O que é uma rede neural?

Você sabe o que são redes neurais? Trata-se da base da inteligência artificial! Pode parecer um conceito complicado de entender a primeira vista, mas podemos simplificar dizendo que é mais ou menos como imitar e reproduzir por meio de um software a forma como o nosso próprio cérebro funciona a nível conceitual.

Presunção da ciência? Você vai ver que não! E vai entender porque os profissionais de tecnologia e inteligência artificial acreditam que as redes neurais são o futuro do machine learning (ou, em português, a aprendizagem de máquina).

O que são redes neurais?

As redes neurais são um método de construção de inteligência artificial que parte do mesmo pressuposto do funcionamento do cérebro e de seus neurônios. Com as redes neurais, cria-se um processo de machine learning capaz de reconhecer padrões e correlações.

As redes neurais são o núcleo dos algoritmos de Deep Learning, mas esses dois conceitos não necessariamente são sinônimos. Isso porque o Deep Learning tem a ver com a profundidade e a quantidade de camadas de processamento usadas — e elas também podem ser mais simples que isso.

Como as redes neurais funcionam?

Poderíamos representar uma rede neural mais ou menos assim:

Na analogia conceitual com o cérebro humano, as bolinhas verdes seriam os neurônios. Esses neurônios têm conexões (que em biologia são chamadas de sinapses), por onde recebem informações que levam a um determinado resultado.

Entendendo os inputs

Assim, no corpo humano, os Inputs seriam os sinais que recebemos a partir de nossos sentidos: pelo tato, paladar, cheiro, visão e audição. Voltando para as redes neurais da inteligência artificial, esses Inputs são dados que passamos através da memória RAM para um algoritmo.

Esses inputs que “treinam” a rede neural. Ou seja, é a partir desses dados recebidos que ela é capaz de aprender e criar correlações.

Um exemplo prático de como os inputs das redes neurais funcionam seria o de um estudante que anotasse informações sobre seu desempenho em provas. Mas, além de anotar a quantidade de horas que estudou para cada prova, o estudante também anota quantas horas dormiu no dia anterior à prova.

Os inputs desse exemplo poderiam ser representados visualmente assim:

Dessa forma, são combinados dois dados (a quantidade de horas de sono e a quantidade de horas de estudo) que não necessariamente parecem ter uma correlação.

A teoria das redes neurais nos diz que, ao alimentar esse tipo de algoritmo com esses dados e, mais importante, treiná-lo a partir deles, pode ser gerada uma aproximação dos resultados das provas a partir dessas variáveis.

Aqui, você pode pensar: mas isso é estatística e não inteligência artificial. A verdade é que muito da inteligência artificial tem como base algoritmos estatísticos, mas vai muito além disso!

Afinal, qual é o funcionamento das redes neurais?

Podemos resumir que, a partir desses inputs, os nós começam a fazer várias combinações entre as sinápses para testar seus possíveis resultados e chegar em uma variável que podemos chamar como “bias”, ou seja, a probabilidade de algo ser verdade ou não.

A imagem acima é a expressão matemática de um modelo simples de rede neural. Os dados de input são as bolinhas azuis, ou seja, X1, X2, X3 ou X4.

Essas informações são somadas e multiplicadas por seu peso. Voltando ao nosso exemplo, seria como se a rede neural tentasse entender se as horas dormidas ou as horas estudadas são mais importantes para gerar o resultado.

Esses cálculos passam, em seguida, por uma função de ativação, que define como esses dados de entrada serão transformados em um nó de saída. Existem três tipos de funções de ativação, como vocês podem ver nas imagens acima.

• Função de passos (basicamente uma função binária, baseada em 1 ou 0, como nos sistemas digitais);
• Função de sinais;
• Função sigmoide.

Função sigmoide e as redes neurais

A função sigmoide passa por todos os pontos de 0 a 1, como você pode ver na representação abaixo.

Isso é muito importante para entender o que são redes neurais e como funcionam, afinal, está por trás de boa parte do funcionamento de machine learning.

Continuando a analogia com o corpo humano, é como se os neurônios tivessem muitas opções para testar os seus dados entre 0 e 1, ativando diferentes pontos do sigmoide. Em outras palavras, as redes neurais estariam testando cada um dos dados e os comparando com seu banco de dados de input.

Assim, as redes neurais verificam o quão perto cada um desses testes está daqueles dados de treinamento que já havia recebido. Assim, os dados finais (os output nodes) são aqueles que funcionaram de acordo com esse processo: trata-se de um “aprendizado” das redes neurais.

Em resumo, trata-se de uma função que testa todas as probabilidades possíveis.

Tipos de redes neurais

Agora que você já entendeu um pouco melhor o que são redes neurais e o que está por trás de seu funcionamento, podemos aprofundar o assunto apresentando diferentes tipos de redes neurais.

A verdade é que existem vários outros tipos, mas podemos trazer 3 principais para esta etapa de introdução ao assunto.

• Redes neurais recorrentes
• Redes neurais simétricas
• Redes neurais de neurônio único

O tipo mais comum de redes neurais é o Feed-forward network.

Conclusão

Existe muito mais para aprender sobre Machine Learning, Inteligência Artificial e Redes Neurais! Se você é um curioso que nunca para de aprender, recomendo começar dando uma olhada nos nossos cursos de Engenharia e Fundamentos da Programação.