Abrir a caixa preta da IA explica emergência de comportamentos coletivos

Comportamentos emergentes são importantes não apenas para a inteligência artificial, mas também para a robótica e para estudos fundamentais de biologia.

Entendendo a inteligência artificial

Pássaros, peixes e vários outros animais executam algumas das mais belas atuações da natureza, o que tem inspirado vários campos de pesquisa, da inteligência artificial à robótica de enxame.

Para os cientistas, a emergência desses comportamentos em grupo, perfeitamente sincronizados, constitui um enigma matemático irresistível, envolvendo uma quantidade substancial de variáveis que descrevem a velocidade relativa e a posição de cada animal e dos seus inúmeros vizinhos.

"Os avanços da inteligência artificial (IA) e da aprendizagem automática têm permitido elaborar modelos muito precisos em termos da previsão do comportamento dos indivíduos dentro de um grupo," diz Gonzalo de Polavieja, que lidera o laboratório de Comportamento Coletivo no Centro Champalimaud, em Lisboa, Portugal.

"Porém, estes modelos são como caixas pretas: a maneira como processam os dados para gerar as suas previsões pode chegar a incluir milhares de parâmetros, muitos dos quais talvez nem correspondam a variáveis do mundo real. Nós humanos somos incapazes de descobrir o sentido que se esconde nesta informação tão complexa.

"No outro extremo, temos modelos mais simples, com poucos parâmetros, que nos permitem identificar regras associadas a um componente principal, tal como a distância entre os peixes ou a sua velocidade relativa. Mas estes modelos são demasiado limitados quando se trata de prever o comportamento global do grupo," detalhou o pesquisador.

Inspirando-se num novo tipo de modelo de inteligência artificial chamado "rede de atenção", Polavieja e sua equipe conseguiram identificar agora uma solução intermediária: um modelo que ao mesmo tempo dá pistas para perceber o que se passa e é capaz de fazer previsões.

Abrindo a caixa preta

Em vez de criar mais uma caixa preta da inteligência artificial, a equipe utilizou um grande número de módulos interligados, cada um dos quais é simples o suficiente para poder ser analisado por humanos.

O estilo caixa-preta da tecnologia tem dificultado a preparação de defesas da inteligência artificial contra hackers.

muito mais apuradas. "Por exemplo, segundo os modelos anteriores, o espaço em volta de cada peixe está dividido em três áreas circulares concêntricas: a da repulsão, a do alinhamento e a da atração. Desta vez, também encontramos as mesmas áreas, mas, ao contrário dos modelos simples que tinham inicialmente permitido identificá-las, o nosso modelo mostra que essas áreas não são circulares nem concêntricas, e que se alteram conforme a velocidade do peixe," explica o pesquisador Francisco Heras.

O modelo também mostrou-se eficiente em prever o comportamento dos animais no cardume. "Podemos prever com 90% de precisão se um dado peixe vai virar para a direita ou para a esquerda no segundo que se segue," disse Heras. "Isto pode não parecer um tempo muito longo na escala dos movimentos humanos, mas os peixes-zebra vivem num ambiente onde tudo anda mais depressa - e podem cobrir uma distância equivalente a cerca de oito vezes o comprimento do seu corpo em apenas um segundo."

Código-fonte aberto

Os resultados do modelo mostraram-se tão robustos que não dá para não se perguntar como é que ninguém pensou nisso antes.

Segundo Polavieja, a resposta tem "um pouco de sociologia e um pouco de matemática. Como ambas as abordagens que dominavam a especialidade eram tão diferentes uma da outra, demorou algum tempo até se perceber que a construção de um modelo ao mesmo tempo informativo e bom na previsão fosse sequer possível."

Um outro elemento que possibilitou este avanço foi o sofisticado software de código-fonte aberto que a equipe desenvolveu recentemente e que permite seguir o movimento de cada peixe individual num grupo. "Utilizando o idtracker.ai, fomos capazes de seguir em simultâneo cada peixe de um grupo de 100. Isto foi crucial para obter o grande conjunto de dados que são precisos neste tipo de pesquisas," disse Polavieja.

A equipe já disponibilizou o código-fonte do seu novo modelo gratuitamente, no endereço https://idtracker.ai/. Segundo Polavieja, ele poderá representar uma ferramenta útil para a comunidade científica que se dedica ao estudo dos comportamentos coletivos, e que dispõe agora de uma maneira de recuperar as regras de interação de forma automática, de fazer previsões de qualidade e de obter pistas do ponto de vista biológico. "Esperamos que o nosso modelo seja utilizado por outros para estudarem os mais diversos tipos de interações sociais," concluiu.

Fonte: Revista: PLOS Computational Biology