PRÊMIO NOBEL DE FÍSICA 2024 - para descobertas e invenções fundamentais que permitem o aprendizado de máquina com redes neurais artificiais”

 FALA CIENTISTA - POR DENTRO DA CIÊNCIA
PODCAST DA RÁDIO UFSCAR 95,3 FM
TODAS AS TERÇAS-FEIRAS AS 13H30

ouça o podcast

TRANSCRIÇÃO DO PODCAST

Hoje vou comentar a respeito do Prêmio Nobel de Física, que foi divulgado  pela Academia de Ciências da Suécia, e que premiou um físico americano (John Hopfield) e o cientista inglês (Geoffrey Hinton), que ao longo da carreira trabalharam com uma área da física,  vamos dizer assim que não é apenas da física, mas vai além da física, que está envolvendo exatamente as aplicações atuais,  do que a gente chama de aprendizado de máquina e inteligência artificial.

 

Eles usaram a física para desenvolver métodos, para  encontrar padrões em informações. Esse prêmio dessa vez,  é dado para um desenvolvimento teórico, que foi feito ao longo de décadas, onde esses pesquisadores tiveram um interesse particular de aplicar alguns conhecimentos de física em algumas áreas.  

Na década de 1980, o físico John Hopfield, que é um dos ganhadores do Prêmio Nobel deste ano, começou a se interessar exatamente sobre a questão de como funcionaria o cérebro, como o cérebro poderia aprender. A partir disso, ele começou a tentar reconhecer padrões, que é o princípio que o nosso cérebro desenvolve, conexões com neurônios, através das suas sinapses, então cria padrões. Então, o físico John Hopfield, em 1982, criou um método que poderia então replicar esses tipos de padrões. E esse método, ele baseou exatamente na ideia de aplicar um conceito, chamado de interações entre os spins. Os spins são propriedades, que a matéria tem, em particular os elétrons, que podem exatamente formar cadeias, tipo 0 e 1, padrões como 0 e 1. Então, isso é equivalente do ligado e desligado numa sinapse.  O Hopfield, então desenvolveu essa metodologia desses sinais, que era uma coisa da física, e passou usar isso justamente para aplicar em sistemas como de imagens. Então, ele desenvolveu um método que a gente chama de "rede" de Hopfield, que pode exatamente avançar nisso.  

E o outro ganhador do Prêmio Nobel, o Geoffrey Hinton, ele desenvolveu um outro tipo de abordagem da gente reconhecer padrões, a partir daquilo que a gente chama da mecânica estatística. A mecânica estatística, é uma área da física, que estuda, por exemplo, os sistemas muito complexos, tem muitas partículas, como um gás. Um gás tem na ordem de bilhões e bilhões e bilhões de partículas,  você não pode descrever apenas uma de uma cada vez, você tem que descrever isso em conjunto. Então, ele desenvolveu alguns modelos matemáticos, que justamente poderiam ser utilizados para você reconhecer padrões, e esses padrões, então, faz com que, para cada processo, a máquina vai aprendendo.  Essa é a diferença de justamente de um algoritmo normal de computador, dos algoritmos chamados e aprendizado de máquina.  Então, ele vão aprendendo os padrões, como nós vamos aprendendo os padrões, a gente sabe, por exemplo, diferenciar um gato, de um cachorro,  a partir dos padrões que eles têm. Então, quando uma criança pequena começa a aprender, ela vai reconhecendo alguns padrões,  e depois ela vai reconhecer todos os cachorros, como também ela vai reconhecer os gatos a partir desse aprendizado e desse padrão.  

Então, utilizando esse método estatístico na década de 1990, eles tinham avançado com esse tipo de análise.  Porém, esse todo esse conhecimento ficou meio parado, até nos anos 2000/2010, começou a surgir, então, o interesse de desenvolvimento de máquinas que possam trabalhar com esse aprendizado. Então, a famosa inteligência artificial que nós temos hoje, está justamente  trabalhando usando algoritmos que estão baseados nesses princípios físicos, que esses dois cientistas,  em maneira independente, foram desenvolvendo ao longo das décadas. 

Então, isso é bastante curioso, pois a física tem os seus modelos para descrever a natureza e esses modelos podem ser levados a outras situações diferentes que podem reconhecer esses padrões. Está aí a beleza da física. Os  seus modelos, são tão fundamentais que possam alcançar, então, uma diversidade de aplicações.  Hoje, a própria física utiliza aprendizado de máquina justamente para peneirar dados, para a por exemplo, desenvolver novos materiais,  calcular novas estruturas usando esse conhecimento que é aplicação do aprendizado de máquina e da inteligência artificial. 

Essa revolução, que passamos nesse momento, começa, então, muitas vezes, com a gente entender outros tipos de sistemas, entender outros tipos de situações para desenvolver quem sabe, tecnologias revolucionárias. Então, o prêmio Nobel de física desse ano dá o prêmio aos pesquisadores que tentaram, justamente, aprender a encontrar padrões utilizando os métodos físicos.  Usaram a física para encontrar padrões de informações. É um assunto bastante complexo e quem sabe voltamos outra hora para sobre isso.