O papel da inferência ativa no aprendizado de máquina e sua relação com a semiótica

Versão para impressãoVersão para impressão
Palestrante: 
Vinícius Romanini (ECA/USP)
Data: 
sexta-feira, Abril 9, 2021 - 10:00

Nas duas últimas décadas, a rápida evolução do aprendizado de máquina a partir de redes neurais vem surpreendendo por seus bons resultados, ao ponto de ter se tornado o paradigma dominante na pesquisa sobre inteligência artificial. Na base deste método repousa, porém, um princípio pouco conhecido e ainda bastante obscuro: o princípio da minimização da energia livre, também chamado de inferência ativa, proposto pelo neurocientista Karl Friston. Partindo das ideias de Helmholtz e de Markov, e unindo-as à teoria dos sistemas abertos distantes do equilíbrio termodinâmico, Friston afirma ter capturado as condições necessárias para compreender a permanência dos sistemas complexos por meio da auto-organização, o que seria o fundamento de todo comportamento inteligente. O princípio defendido por Friston se traduz nos métodos de minimização dos fluxos de gradientes por meio da retropropagação que estão por trás dos mais bem sucedidos algoritmos de inteligência artificial. Nossa contribuição é a de apresentar as ideias de Friston e a de compará-las com o princípio semiótico defendido por Peirce como fundamento da inteligência: o hábito de mudar de hábitos por meio da retrodução, um procedimento  que envolve a formação de crenças, a extração das consequências de sua adoção e do teste de seus resultados na experiência de forma a produzir novas crenças.