Os investigadores propõem métodos para construir uma "IA colectiva" interligada

25 de março de 2024

IA descentralizada

Investigadores da Universidade de Loughborough, do MIT e de Yale introduziram o conceito de "IA colectiva". 

Documentar as suas ideias numa perspetiva papel publicado na revista Nature Machine Intelligence, os investigadores propõem Shared Experience Lifelong Learning (ShELL) como um quadro para a criação de sistemas de IA descentralizados compostos por múltiplos agentes independentes, ou "IA colectiva".

Funcionando como uma "mente de colmeia", estas unidades individuais de IA aprendem e partilham continuamente conhecimentos ao longo das suas vidas, desafiando as arquitecturas monolíticas centralizadas. 

Se for desenvolvida, a IA colectiva poderá espelhar as capacidades dos "Borg" de Star Trek e de muitos outros conceitos de ficção científica como "The Get" de Mass Effect ou "The Replicators" de Stargate SG-1.

Ao permitir que os agentes aprendam com as suas próprias experiências e com o conhecimento partilhado por outros, os sistemas ShELL podem apresentar uma aprendizagem mais rápida, um melhor desempenho e uma maior flexibilidade face à adversidade - semelhante à dos organismos biológicos. 

Dr. Andrea Soltoggio, da Universidade de Loughborough, o principal investigador do estudo, descreveu a visão do estudo: "A partilha instantânea de conhecimentos através de uma rede colectiva de unidades de IA capazes de aprender e adaptar-se continuamente a novos dados permitirá respostas rápidas a novas situações, desafios ou ameaças." 

Soltoggio sublinhou ainda o potencial da IA descentralizada, fazendo uma analogia com o sistema imunitário humano, em que vários componentes trabalham em conjunto para montar uma defesa coordenada contra ameaças. 

"Poderá também levar ao desenvolvimento de robôs de resposta a catástrofes que se adaptem rapidamente às condições em que são enviados, ou de agentes médicos personalizados que melhorem os resultados em termos de saúde através da fusão de conhecimentos médicos de ponta com informações específicas dos doentes", explicou Soltoggio. 

O estudo menciona várias utilizações potenciais no mundo real:

  1. Exploração espacial: As capacidades descentralizadas de aprendizagem e adaptação do ShELL poderão ser úteis em missões no espaço profundo, onde a comunicação com a Terra é limitada e os sistemas autónomos têm de enfrentar desafios inesperados.
  2. Medicina personalizada: O ShELL poderá alimentar sistemas de IA médica distribuídos que se adaptem continuamente à evolução das necessidades dos doentes e dos conhecimentos médicos, permitindo uma prestação de cuidados de saúde mais direccionada e eficaz.
  3. Cibersegurança: A aprendizagem colectiva e a partilha de conhecimentos dos agentes ShELL podem ser aproveitadas para criar sistemas defensivos descentralizados que detectem e divulguem rapidamente informações sobre novas ameaças, permitindo respostas mais rápidas e mais robustas aos ciberataques.
  4. Resposta a catástrofes: O documento sugere que os sistemas ShELL poderiam ser utilizados para coordenar agentes autónomos em cenários de catástrofe, permitindo esforços de resposta mais eficientes e eficazes, tirando partido da inteligência colectiva do grupo.
  5. Deteção multiagente: ShELL poderia permitir a coordenação de enxames de agentes para construir modelos do mundo 3D para tarefas como operações de busca e salvamento ou deteção de anomalias em reconhecimento militar.

Apesar das utilizações promissoras, os investigadores estão conscientes dos riscos potenciais dos sistemas colectivos de IA, como a rápida disseminação de conhecimentos incorrectos, inseguros ou pouco éticos entre as unidades. 

Para combater esta situação, sugerem que se promova a autonomia de cada unidade de IA no seio do coletivo, assegurando um equilíbrio entre cooperação e independência. 

Criar uma IA colectiva

Como pode a IA colectiva funcionar? Os investigadores propõem vários mecanismos potenciais:

  1. Aprendizagem automática ao longo da vida: Permite que os agentes de IA aprendam várias tarefas de forma incremental sem sofrerem um esquecimento catastrófico. As técnicas incluem métodos de repetição (armazenamento e repetição de experiências anteriores), regularização (restrição de actualizações de modelos para evitar a substituição de conhecimentos antigos) e isolamento de parâmetros (dedicação de componentes de modelos separados para tarefas diferentes).
  2. Aprendizagem federada: Um paradigma de aprendizagem distribuída em que vários agentes treinam um modelo de forma colaborativa, mantendo os seus dados localizados. Cada agente calcula as actualizações do modelo com base nos seus dados locais e partilha apenas essas actualizações com os outros, preservando a privacidade dos dados.
  3. Sistemas multiagentes: Estudo de agentes autónomos que interagem num ambiente partilhado. Os agentes ShELL funcionam de forma descentralizada, tomando decisões com base nos seus objectivos e conhecimentos individuais.
  4. Computação periférica: Realização de computação e armazenamento de dados perto das fontes de dados, como em dispositivos ou servidores de ponta, em vez de em sistemas de nuvem centralizados. Os agentes ShELL operam em dispositivos de ponta, permitindo um processamento de baixa latência e reduzindo os custos de comunicação.

A IA colectiva baseia-se em desenvolvimentos futuristas recentes no domínio da IA, tais como IA bio-inspirada arquitecturas que simulam eficazmente estruturas sinápticas analógicas e modelos de IA que funcionam em células cerebrais reais.

O interesse pela própria IA descentralizada está a crescer, como indica a demissão recente do CEO da Stability AI, Emad Mostaque. Ele saiu para buscar projetos descentralizados que buscam difundir o poder da IA da Big Tech.

Além disso, uma startup, Sakana, fundada por ex-engenheiros da Google, recentemente angariou $30 milhões para a IA de "enxame", concetualmente semelhante ao que é proposto neste novo estudo. 

Junte-se ao futuro


SUBSCREVER HOJE

Claro, conciso e abrangente. Fique a par dos desenvolvimentos da IA com DailyAI

Calças de ganga Sam

Sam é um escritor de ciência e tecnologia que trabalhou em várias startups de IA. Quando não está a escrever, pode ser encontrado a ler revistas médicas ou a vasculhar caixas de discos de vinil.

×

PDF GRATUITO EXCLUSIVO
Fique à frente com o DailyAI

Subscreva a nossa newsletter semanal e receba acesso exclusivo ao último livro eletrónico do DailyAI: 'Mastering AI Tools: Seu guia 2024 para aumentar a produtividade'.

*Ao subscrever a nossa newsletter, aceita a nossa Política de privacidade e o nosso Termos e condições