O cérebro aprende representações abstratas de entrada sensorial de alta dimensão, mas as regras de plasticidade que permitem tal aprendizado são desconhecidas. Um novo estudo sobre o Modelo de Hierarquia Aleatória (RHM) revela que regras de aprendizado local auto-supervisionado podem igualar a eficiência de dados da retropropagação completa — sem precisar de uma rede simétrica de erros.
A Pesquisa
Pesquisadores da EPFL, liderados por Ariane Delrocq, Wu S. Zihan, Guillaume Bellec e Wulfram Gerstner, testaram algoritmos biologicamente plausíveis no Modelo de Hierarquia Aleatória (RHM) — um conjunto de dados artificial que imita a estrutura hierárquica de dados naturais. Eles compararam duas famílias de regras de aprendizado local: a primeira usa sinais de feedback diretos para aproximar a propagação de erro da camada de saída; a segunda usa objetivos auto-supervisionados por camada (contrastivos e não contrastivos).
Os resultados mostraram que todas as regras do primeiro tipo falharam nas tarefas do RHM devido à falta de não-linearidades específicas de entrada ('mascaramento') encontradas na retropropagação. No entanto, algoritmos do segundo tipo aprenderam com sucesso a estrutura hierárquica oculta, alcançando eficiência de dados comparável à retropropagação supervisionada. Notavelmente, essas regras são compatíveis com mecanismos conhecidos de plasticidade sináptica no cérebro.
Por Que Isso Importa
Este estudo sugere que o cérebro pode usar regras de aprendizado local auto-supervisionado para extrair características hierárquicas complexas da entrada sensorial sem depender de sinais globais de erro. Para qualquer pessoa curiosa sobre sua própria cognição, isso significa que seu cérebro provavelmente constrói representações abstratas de forma eficiente usando regras de plasticidade local — o que poderia informar métodos de treinamento que aproveitam princípios de aprendizado auto-supervisionado.
O Que Você Pode Fazer
Você pode aplicar essa percepção engajando-se em tarefas que exigem reconhecimento de padrões hierárquicos, como aprender um novo idioma, jogar jogos de estratégia ou praticar um instrumento musical — atividades que estimulam o aprendizado local auto-supervisionado em seu cérebro.
Fonte: arXiv q-bio.NC
Curioso sobre seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou tente 306 níveis de treinamento cerebral.
