Papel do Caos em Redes Neurais Artificiais

Conforme citado anteriormente, o caos é uma teoria matemática recente. Semelhantemente, as redes neurais artificiais também constituem um tópico relativamente novo na literatura científica. Como conseqüência, o uso da teoria do caos no estudo e desenvolvimento de sistemas neurais artificiais é ainda mais recente.

25

Limitações da natureza estática das redes neurais artificiais convencionais têm inspirado a investigação de neurônios com dinâmicas mais complexas, tais como os neurônios caóticos e os neurônios spiking1_{. Em redes neurais artificiais criadas com tais neurônios , o sistema não apresenta} apenas convergência para pontos fixos, mas também para ciclos limites e atratores caóticos. Um grande número de pesquisadores acredita que o comportamento dinâmico caótico desempenha um papel importante tanto em neurônios reais quanto em redes neurais artificiais e tem procurado modelar redes neurais artificiais com dinâmicas caóticas através de equações diferenciais determinísticas.

De fato, é possível verificar que as redes neurais artificiais com dinâmicas convencionais freqüentemente apresentam problemas do tipo: (a) convergência para atratores indesejáveis, (b) convergência muito lenta para os atratores, e (c) falhas na reprodução de atividades cerebrais (Potapov e Ali, 2001). Enquanto isso, a idéia de que as redes neurais artificiais podem trabalhar em regimes caóticos tem sido proposta em muitos artigos. Uma boa revisão destas abordagens pode ser encontrada em Tsuda (1992) e Freeman (1992).

Considerando-se que o caos em redes neurais artificiais é um tópico de recente interesse no meio acadêmico, o objetivo desta seção é apresentar alguns dos possíveis papéis das dinâmicas caóticas nesses tipos de redes.

O fato de o sistema caótico comportar-se de modo imprevisível pode ser utilizado na busca de uma nova maneira de solucionar problemas. Enquanto em arquiteturas de redes neurais artificiais convencionais os comportamentos costumam ser previsíveis, ou seja, para uma dada entrada a rede apresenta a mesma saída, em redes neurais caóticas o caos contribui para uma exploração de possibilidades de resultados. Redes neurais artificiais capazes de exploração durante a fase de aprendizagem têm sido pesquisadas. Por exemplo, têm sido feitas tentativas de se usar sinais caóticos e algoritmos para minimização aleatória durante a fase de aprendizagem de perceptron multicamadas (Potapov e Ali, 2001).

O fenômeno caótico também tem sido explorado na tentativa de melhorar o desempenho de sistemas neurais artificiais. Há trabalhos apontando a habilidade de redes neurais caóticas no reconhecimento de novos padrões, e também a habilidade de reconhecimento mais rápido dos padrões. Tan e Ali (1998), por exemplo, introduziram caos no modelo de Gardner (1988) ao reduzir o número de conexões entre os neurônios da rede. Os resultados mostraram que a rede neural caótica tornou-se mais eficaz na tarefa de reconhecer padrões. Os autores mostraram que os padrões podem ser reconhecidos no modelo caótico criado através do controle de caos realizado na história da evolução dos estados da rede. Utilizando o controle de caos e o critério de sincronização

do tempo, a informação escondida na história da evolução foi explorada e o processo de reconhecimento de padrão realizado com eficiência.

Talvez uma das melhores indicações de que o caos pode ser utilizado na prática em sistemas neurais artificiais esteja no desempenho de um sistema artificial caótico projetado para reconhecer opticamente quatro tipos diferentes de peças industriais e determinar se elas eram defeituosas. Quando este sistema neural caótico foi comparado com as implementações feitas para o mesmo tipo de tarefa com o sistema neural convencional, os resultados mostraram que a performance do sistema neural caótico teve desempenho significativamente superior em identificar corretamente as peças aceitáveis e inaceitáveis (Yao et al., 1991).

Ainda, experimentos têm sido realizados na tentativa de se utilizar a instabilidade local do fenômeno caótico como uma ferramenta para o processo de busca pela memória. Esta idéia envolve usar a trajetória de excursão entre imagens geradas pela rede caótica para ligar os dados de entrada com as imagens armazenadas. A instabilidade local também representa uma propriedade útil do caos para evitar trajetórias que conduzam o sistema a locais indesejados no espaço de fase (Potapov e Ali, 2001).

Um outro importante papel do caos em redes neurais artificiais que merece destaque encontra-se relacionado com a própria finalidade dessas redes. Sistemas neurais artificiais têm como objetivo modelar algumas das características do sistema neural biológico, a fim de capturar e explorar aspectos do processamento da informação. Grande parte da ênfase nas pesquisas com redes neurais artificiais tem sido tentar uma simulação mais cuidadosa das atividades cerebrais, tanto em nível microscópico (neurônios), quanto em nível macroscópico (atividade cerebral global). Freeman (1991) chega a afirmar que “o caos deve ser a propriedade essencial que torna o cérebro diferente de uma máquina com inteligência artificial”.

O próprio Freeman, que descobriu o comportamento caótico em traços de eletroencefalogramas de bulbos olfatórios, tem conduzido uma grande pesquisa do papel do caos em sistemas neurais artificiais. Desde 1988 ele vem trabalhando em uma simulação computacional do córtex olfatório. O modelo de rede proposto por Freeman, o qual utiliza apenas oito neurônios artificiais caóticos simples, é capaz de replicar muitas das características encontradas pelo pesquisador na reprodução biológica.

Pistolesi (1996) argumenta que a presença de caos tem sido revelada em diversas atividades cerebrais do sistema nervoso central correlacionadas com atividades mentais envolvendo processos mnemônicos. Para Pistolesi, redes neurais artificiais apresentando comportamentos dinâmicos complexos seriam eficazes para simular artificialmente os processos cognitivos.

Muitas vantagens da inclusão de caos em sistemas neurais artificiais têm sido demonstradas (Raffone e Leeuwen, 2003, Kozma e Freeman, 2000, He et al., 1999, Yao et al., 1991, Sandler,

27

1990). No entanto, o uso do caos em sistemas artificiais é uma área ainda em expansão e previsões encontradas na literatura indic am que a teoria do caos fará parte do desenvolvimento futuro dos sistemas neurais artificiais.