As redes neurais são modelos computacionais de unidades ou nós conectados projetados para transmitir, processar e aprender a partir de informações (dados) de maneira similar a como os neurônios (células nervosas) funcionam em humanos.
Redes neurais artificiais
Em tecnologia, as redes neurais são freqüentemente chamadas de redes neurais artificiais (RNAs) ou redes neurais para distinguir das redes neurais biológicas que são modeladas posteriormente. A idéia principal por trás das RNAs é que o cérebro humano é o “computador” mais complexo e inteligente que existe. Ao modelar as RNAs o mais próximo possível da estrutura e do sistema de processamento de informações usado pelo cérebro, os pesquisadores esperavam criar computadores que abordassem ou superassem a inteligência humana. As redes neurais são um componente-chave dos avanços atuais em inteligência artificial (IA), aprendizado de máquina (ML) e aprendizado profundo.
Como funcionam as redes neurais: uma comparação
Para entender como as redes neurais funcionam e as diferenças entre os dois tipos (biológicas e artificiais), vamos usar o exemplo de um prédio de escritórios de 15 andares e as linhas telefônicas e centrais telefônicas que encaminham chamadas em todo o prédio, andares individuais e escritórios individuais. Cada escritório individual em nosso prédio de escritórios de 15 andares representa um neurônio (nó em rede de computadores ou célula nervosa em biologia). O edifício em si é uma estrutura que contém um conjunto de escritórios dispostos em um sistema de 15 andares (uma rede neural).
Aplicando o exemplo para redes neurais biológicas, o painel que recebe chamadas tem linhas para se conectar a qualquer escritório em qualquer andar de todo o edifício. Além disso, cada escritório possui linhas que o conectam a todos os outros escritórios em todo o edifício em qualquer andar. Imagine que uma chamada é recebida (entrada) e a central telefônica a transfere para um escritório nos 3rd andar, que transfere diretamente para um escritório no dia 11º andar, que, em seguida, transfere diretamente para um escritório no 5º chão. No cérebro, cada neurônio ou célula nervosa (um escritório) pode se conectar diretamente a qualquer outro neurônio em seu sistema ou rede neural (o edifício). A informação (a chamada) pode ser transmitida para qualquer outro neurônio (escritório) para processar ou aprender o que é necessário até que haja uma resposta ou resolução (saída).
Quando aplicamos esse exemplo às RNAs, fica um pouco mais complexo. Cada andar do edifício requer seu próprio painel de comando, que só pode se conectar aos escritórios no mesmo andar, bem como os painéis de controle nos andares acima e abaixo. Cada escritório só pode se conectar diretamente a outros escritórios no mesmo andar e ao painel de controle daquele andar. Todas as novas chamadas devem começar com o quadro telefônico no 1º andar e devem ser transferidas para cada andar individual em ordem numérica até o 15º andar.º andar antes que a chamada possa terminar. Vamos colocar em movimento para ver como funciona.
Imagine que uma chamada vem (entrada) para o 1st central de chão e é enviado para um escritório no 1st andar (nó). A chamada é então transferida diretamente entre outros escritórios (nós) no 1st andar até que esteja pronto para ser enviado para o próximo andar. Em seguida, a chamada deve ser enviada de volta para o 1st central de piso, que então transfere para o 2nd central de chão. Esses mesmos passos repetem um andar de cada vez, com a chamada sendo enviada através desse processo em todos os andares até o 15º andar.
Nas RNAs, os nós (escritórios) são dispostos em camadas (andares do edifício). A informação (uma chamada) sempre entra pela camada de entrada (1st chão e seu quadro de distribuição) e deve ser enviado e processado por cada camada (piso) antes de poder passar para a próxima. Cada camada (piso) processa um detalhe específico sobre essa chamada e envia o resultado junto com a chamada para a próxima camada. Quando a chamada alcança a camada de saída (15º chão e seu painel de comando), inclui as informações de processamento das camadas 1-14. Os nós (escritórios) nos 15º camada (piso) usa as informações de entrada e processamento de todas as outras camadas (andares) para obter uma resposta ou resolução (saída).
Redes Neurais e Aprendizado de Máquina
As redes neurais são um tipo de tecnologia na categoria de aprendizado de máquina. De fato, o avanço na pesquisa e no desenvolvimento de redes neurais está intimamente ligado aos altos e baixos do avanço do ML. As redes neurais expandem as capacidades de processamento de dados e aumentam o poder de computação do ML, aumentando o volume de dados que podem ser processados, mas também a capacidade de executar tarefas mais complexas.
O primeiro modelo computacional documentado para as RNAs foi criado em 1943 por Walter Pitts e Warren McCulloch. O interesse inicial e a pesquisa em redes neurais e aprendizado de máquina acabaram desacelerando e foram mais ou menos arquivados em 1969, com apenas pequenas explosões de interesse renovado. Os computadores da época simplesmente não tinham processadores suficientemente rápidos ou grandes o suficiente para avançar ainda mais nessas áreas, e a vasta quantidade de dados necessários para ML e redes neurais não estava disponível no momento.
Aumentos maciços no poder de computação ao longo do tempo, juntamente com o crescimento e a expansão da Internet (e, portanto, o acesso a grandes quantidades de dados pela Internet) resolveram esses desafios iniciais. As redes neurais e o ML são agora instrumentais em tecnologias que vemos e usamos todos os dias, como reconhecimento facial, processamento e pesquisa de imagens e tradução de idiomas em tempo real - para citar apenas alguns.
Exemplos de redes neurais na vida cotidiana
A RNA é um tema bastante complexo dentro da tecnologia, no entanto, vale a pena gastar algum tempo para explorar devido ao crescente número de maneiras que impactam nossas vidas todos os dias. Aqui estão mais alguns exemplos de como as redes neurais são usadas atualmente por diferentes indústrias:
- Finança: Redes neurais são usadas para prever taxas de câmbio. Eles também são usados na tecnologia por trás dos sistemas de negociação automática usados no mercado de ações.
- Remédio: Os recursos de processamento de imagem das redes neurais contribuíram para a tecnologia que ajuda a rastrear e detectar com mais precisão os tipos de câncer em estágio inicial e difíceis de identificar. Um desses tipos de câncer é o melanoma invasivo, a forma mais séria e mortal de câncer de pele. Identificar o melanoma nos estágios iniciais, antes que ele se espalhe, dá aos pacientes com esse tipo de câncer as melhores chances de vencê-lo.
- Clima: A capacidade de detectar alterações atmosféricas que indicam um evento climático potencialmente grave e perigoso da forma mais rápida e precisa possível é essencial para salvar vidas. As redes neurais estão envolvidas no processamento em tempo real de imagens de satélite e radar que não só detectam a formação precoce de furacões e ciclones, mas também detectam mudanças repentinas na velocidade e na direção do vento que indicam um tornado em formação. Tornados são alguns dos eventos climáticos mais fortes e perigosos já registrados - muitas vezes mais repentinos, destrutivos e mortais do que furacões.
