Um problema formulado primeiramente por Isaac Newton no século 17, que continuava a assolar os cientistas até os dias de hoje, foi resolvido por um programa de inteligência artificial em uma fração de segundo.
Parece simples: prever como três corpos celestes (como planetas, estrelas e luas) orbitam um ao outro. As interações gravitacionais entre os três objetos resultam em um sistema caótico e complexo, contudo, muito sensível às posições iniciais de cada corpo.
Resolver o chamado “problema dos três corpos” exige uma quantidade impensável de cálculos. Assim, para tentar dominar a questão, os pesquisadores usam softwares que podem levar semanas ou até meses para revelar os resultados.
Agora, um novo estudo da Universidade de Cambridge (Reino Unido) resolveu testar se uma rede neural – um tipo de inteligência artificial que imita a forma como o cérebro humano trabalha – poderia ser mais rápida. E é – 100 milhões de vezes.
Rede neural
O software mais utilizado para calcular esse tipo de problema é chamado Brutus. Os cientistas primeiro geraram 9.900 cenários de três corpos simplificados nele, o que levou cerca de 2 minutos para cada cenário.
Em seguida, alimentaram a rede com todas essas informações – a inteligência artificial funciona reconhecendo padrões, de forma que é preciso fornecer muitas informações a ela antes de poder usá-la para qualquer cálculo.
Por fim, os pesquisadores testaram 5.000 cenários ainda não observados na IA, descobrindo que ela podia resolvê-los em apenas uma fração de segundo. Os resultados eram muito parecidos com os de Brutus.
Potencial
De acordo com o bioestatístico Chris Foley, da Universidade de Cambridge, um dos autores do estudo, essa eficácia pode ser “inestimável” para astrônomos que estudam coisas como o comportamento de aglomerados de estrelas e a evolução do universo.
“Essa rede neural, se fizer um bom trabalho, deve nos fornecer soluções em um prazo sem precedentes. Então, podemos começar a pensar em progredir com questões muito mais profundas, como a forma como as ondas gravitacionais se formam”, disse ao portal Live Science.
Existe uma desvantagem óbvia, no entanto: a rede neural é uma prova de conceito que aprendeu apenas a partir de cenários simplificados. Treiná-la para cenários mais complexos exige calculá-los usando o Brutus primeiro, o que pode ser muito demorado e caro.
O Brutus é lento porque resolve problemas usando “força bruta”, ou seja, realizando cálculos para cada etapa, por menor que seja, das trajetórias dos corpos celestes. A rede neural, por sua vez, analisa esses cálculos e deduz um padrão que pode ajudar a prever cenários futuros com eficácia.
“Existe uma separação entre nossa capacidade de treinar uma rede neural com desempenho fantástico e nossa capacidade de derivar dados com os quais treiná-la. Então, há um gargalo aí”, explicou Foley.
Conjunto
A ideia, no entanto, não é fazer a rede neural substituir os softwares como Brutus, mas sim utilizar as duas ferramentas em conjunto. O Brutus continuaria fazendo a maior parte do trabalho “braçal”, e a rede neural assumiria o posto quando os cálculos ficassem complexos demais, “travando” o software.
“Você cria esse híbrido. Toda vez que o Brutus fica preso, você emprega a rede neural e move adiante. E depois avalia se o Brutus foi ou não desatolado”, resumiu Foley.
Nenhum comentário:
Postar um comentário