Uma rede neural é um modelo computacional composto por camadas interconectadas de unidades de processamento simples, vagamente inspiradas em neurônios biológicos, cujas forças de conexão, ou pesos, são ajustadas por meio de treinamento para aproximar uma função desejada. Redes neurais são a estrutura computacional central por trás do aprendizado profundo moderno e, por extensão, da maioria dos sistemas contemporâneos de inteligência artificial.
História
O primeiro modelo neural treinável 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 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. As 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 por uma função de ativação não linear antes de enviá-lo para a próxima camada. Redes com muitas dessas camadas entre a entrada e a 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 o descida de gradiente ajusta iterativamente os pesos para reduzir essa lacuna, com a retropropagação fornecendo os gradientes necessários de forma eficiente em todas as camadas de uma só vez.
Famílias arquiteturais
Diferentes arquiteturas de rede se adequam a diferentes tipos de dados. As redes neurais convolucionais usam filtros compartilhados e espacialmente locais e são bem adequadas para imagens. As 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.
Limitações e interpretabilidade
As redes neurais são frequentemente criticadas como "caixas-pretas": suas representações internas são difíceis de inspecionar ou explicar por humanos, mesmo quando suas saídas são precisas. Isso motivou um subcampo de pesquisa às vezes chamado de interpretabilidade, que tenta fazer engenharia reversa do que componentes individuais de uma rede treinada representam. Apesar dessa opacidade, as redes neurais permanecem a ferramenta dominante em visão, linguagem, áudio e, cada vez mais, em aplicações robóticas e científicas, em grande parte porque seu desempenho continua a melhorar de forma previsível com mais dados, mais parâmetros e mais poder computacional.