Conforme o ser humano vem se
dedicando à pesquisas sobre a inteligência artificial, as pesquisas acabaram
revelando muito sobre a nossa própria inteligência. Alguns aspectos da
percepção e do pensamento humano podem ser imitado facilmente, o que já foi
reproduzido por máquinas, enquanto outros são extremamente difíceis de se espelhar.
Levamos em conta o processamento visual. Podemos dar a um satélite um olho
artificial que possa fotografar seu quintal a partir do espaço, mas conseguir
com que essas máquinas possam interpretar o que estão “vendo”, ainda é muito
desafiador.
Essa percepção única aos animais
deveria nos fazer apreciar essa capacidade de compreender quase que
instantaneamente o mundo que nos cerca. Inclusive algumas cenas tão complexas
como bosques ou florestas cheias de árvores, algumas sobreposições, objetos em
ângulos estranhos ou em pouca luz. Esta capacidade de desconstruir a imensa
complexidade visual é geralmente considerado como um refinamento requintado do
circuito neural do cérebro humano: em outras palavras, está tudo na cabeça. Mas,
Que padrões ocultos existem no estímulo visual?
Essa resposta foi respondida por um
artigo publicado na revista Physical Review Letters. Essa questão envolve um agrupamento
notável de conceitos científicos. Há uma consciência crescente de que a forma
como os dados são codificados, inter convertidos e transportados - seja em
computadores, por genes ou estados quantum de átomos - está estreitamente
relacionado com o campo da termodinâmica, que foi originalmente concebido para
compreender como o calor flui em motores e outras máquinas.
Uma equipe da Universidade de
Princeton liderada por William Bialek agora integra essas ideias com os
conceitos de processamento de imagem e neurociência. As consequências são
impressionantes. Bialek e outros colegas, como Greg Stephens, Thierry Mora e
Gasper Tkacik, descobriram que, em uma imagem monocromática ‘pixeurizada’ de
madeiras em um parque da Nova Jersey (EUA), alguns grupos de pixels em preto e
branco são mais comuns do que outros. Eles argumentam que tais imagens podem
ser atribuídas a um tipo de "temperatura", o que reflete a forma como
os pixels pretos e brancos são distribuídos por todo o campo visual (BBC)
A utilização de temperatura para
caracterizar a distribuição de manchas claras e escuras dentro de uma imagem é
mais do que uma metáfora vaga - este padrão é equivalente ao que é encontrado
em um sistema físico chamado crítico, em que dois diferentes estados de
temperatura do sistema fundem-se em um. Um fluido (tal como água) tem uma
temperatura crítica na qual o seu líquido e seu estado de gás tornam-se
indistinguíveis. E um íman, tal como o ferro, tem uma temperatura crítica em
que perde os seus polos magnéticos norte e sul - os polos magnéticos de seus
átomos constituintes não estão mais alinhados mas ficam mexidos ao acaso pelo
calor. Para uma seleção de imagens da floresta, os pesquisadores mostram que as
distribuições de manchas claras e escuras tem apenas os mesmos tipos de
comportamentos estatísticos como um modelo teórico de um ímã bidimensional
perto de sua temperatura crítica.
Então, quais são os padrões fundamentais
de que essas imagens são compostas? Quando os pesquisadores analisaram os tipos
mais comuns de remendos de pixels - por exemplo, grupos de 4x4 pixels - eles
descobriram algo surpreendente. Não somente manchas pretas ou brancas são muito
comuns, mas conforme as manchas se vão se dividido em divisões cada vez mais
complexas de pixels brancos e pretos, nem todos são igualmente prováveis: há
certas formas que são significativamente mais propensos do que os outros. Em
outras palavras, imagens naturais parecem ter alguns "blocos de
construção" de que são feitas.
Se é assim, Bialek acredita que o
cérebro pode explorar esse fato para auxiliar a percepção visual através da
filtragem de "ruído" que ocorre naturalmente na retina. Se o cérebro
fosse sintonizar os grupos de neurônios a estes privilegiados
"patches", então seria mais fácil de distinguir duas imagens
realmente diferentes. Em outras palavras, as imagens naturais podem oferecer um
esquema de correção automático de erros que nos ajuda a interpretar o que
vemos.
Nenhum comentário:
Postar um comentário