Uma rede neural é um modelo computacional composto por camadas interconectadas de unidades simples de processamento, vagamente inspiradas nos neurônios biológicos, cujas forças de conexão, ou pesos, são ajustadas através de treinamento para aproximar uma função desejada. Redes neurais são a estrutura computacional central por trás do aprendizado profundo e, por extensão, da maioria dos sistemas contemporâneos de inteligência artificial.
História
O modelo neural treinável mais antigo foi o perceptron, introduzido em 1958, que podia aprender a classificar padrões simples usando uma única camada de pesos ajustáveis. Suas limitações, documentadas em uma crítica de 1969, contribuíram para uma perda mais ampla de financiamento de pesquisa conhecida como um inverno da IA. O interesse em redes multicamadas reviveu na década de 1980 com a popularização do retropropagação, um algoritmo para calcular eficientemente como cada peso em uma rede deveria mudar para reduzir o erro, o que permitiu que redes com camadas ocultas fossem treinadas na prática. Redes neurais passaram de uma técnica de nicho para a abordagem dominante em IA após o sucesso de 2012 do alexnet, que demonstrou que redes com muitas camadas, treinadas em grandes conjuntos de dados usando unidades de processamento gráfico, poderiam superar dramaticamente métodos anteriores em tarefas do mundo real.
Estrutura
Uma rede neural é organizada em camadas de unidades, ou neurônios, cada uma das quais calcula uma soma ponderada de suas entradas e passa o resultado através de uma função de ativação não linear antes de enviá-lo para a próxima camada. Redes com muitas camadas desse tipo entre entrada e saída são descritas como "profundas," dando ao aprendizado profundo seu nome. Durante o treinamento, uma função de perda mede a lacuna entre a saída da rede e o resultado desejado, e descida de gradiente ajusta iterativamente os pesos para reduzir essa lacuna, com a retropropagação fornecendo os gradientes necessários eficientemente em todas as camadas de uma vez.
Famílias arquitetônicas
Diferentes arquiteturas de rede se adequam a diferentes tipos de dados. redes neurais convolucionais usam filtros compartilhados e espacialmente locais e são bem adequadas a imagens. redes neurais recorrentes, incluindo a variante lstm, processam sequências passo a passo e foram historicamente usadas para texto e fala antes de serem deslocadas pela arquitetura transformer, que processa sequências inteiras em paralelo usando atenção. Arquiteturas generativas como a rede adversária generativa e o modelo de difusão aplicam redes neurais à tarefa de produzir novos dados em vez de apenas classificar ou prever eles.
Limitações e interpretabilidade
Redes neurais são frequentemente criticadas como "caixas pretas": suas representações internas são difíceis para humanos inspecionarem ou explicarem, mesmo quando suas saídas são precisas. Isso tem motivado um subcampo de pesquisa às vezes chamado de interpretabilidade, que tenta engenharia reversa do que componentes individuais de uma rede treinada representam. Apesar dessa opacidade, redes neurais permanecem a ferramenta dominante em visão, linguagem, áudio, e cada vez mais robótica e aplicações científicas, em grande parte porque seu desempenho continua a melhorar previsivelmente com mais dados, mais parâmetros, e mais computação.
Desenvolvimentos recentes
Na década de 2020, redes neurais continuaram a escalar em tamanho e capacidade, particularmente no domínio do IA generativa. Grandes modelos de linguagem, construídos sobre a arquitetura transformer, demonstraram habilidades emergentes em raciocínio, tradução, e geração de código, enquanto modelos de difusão se tornaram o padrão para síntese de imagens e vídeos de alta qualidade. Pesquisa em interpretabilidade de redes neurais também avançou, com técnicas como interpretabilidade mecanicista visando engenharia reversa das computações internas de redes treinadas. Esses desenvolvimentos solidificaram redes neurais como uma tecnologia fundamental em numerosos campos, incluindo descoberta científica e sistemas autônomos.