
-
Tom Cruise presta homenagem ao 'querido amigo' Val Kilmer
-
Cálculos comerciais de Trump deixam economistas desconcertados
-
Maradona por vezes 'resistia' a receber atendimento médico, diz uma de suas irmãs
-
Stellantis suspende parcialmente sua produção em Canadá e México
-
Guerra comercial de Trump pode reavivar risco de inflação, alerta BCE
-
Bolsas, petróleo e dólar operam em queda após ofensiva comercial dos EUA
-
Asteroide que ameaçava atingir a Terra agora pode impactar a Lua
-
Bayer é acionada na Justiça francesa por suposto vínculo de glifosato com malformações
-
Parceiros comerciais dos EUA pedem diálogo após ofensiva protecionista de Trump
-
Bolsas operam em queda após ofensiva comercial dos EUA
-
IA poderia impactar 40% dos empregos em todo o mundo, segundo a ONU
-
Professor soterrado por terremoto em Mianmar bebeu urina para sobreviver
-
'Quanto dos sonhos de uma mulher são realmente seus?', reflete a escritora Chimamanda Ngozi Adichie
-
UE promete responder às tarifas dos EUA, mas deixa mão estendida para negociar
-
Trump declara guerra comercial e deixa a economia mundial em cenário de incerteza
-
Copa do Mundo feminina deve ser disputada nos EUA em 2031 e no Reino Unido em 2035, diz Infantino
-
Bolsas operam em queda após ofensiva comercial de Trump
-
Trump mira em China e Europa em sua guerra tarifária mundial
-
Rubio viaja à Europa enquanto aumentam as tensões transatlânticas
-
Câmara dos Deputados aprova projeto de retaliação tarifária em resposta a Trump
-
Vendas mundiais da Tesla caem, arrastadas por papel de Musk no governo Trump
-
Trump anuncia novas tarifas no 'Dia da Libertação' dos EUA
-
Tesla sobe em Wall Street após artigo sobre saída de Musk do governo Trump
-
Vendas mundiais da Tesla caem 13% no primeiro trimestre
-
Médicos criam marcapasso menor que um grão de arroz
-
Val Kilmer, astro de 'Batman Eternamente' e 'Top Gun', morre aos 65 anos
-
Gari resgata bebê no meio do lixo no Rio de Janeiro
-
Juiz suspende plano de Trump de revogar status de proteção de venezuelanos
-
Milhares de húngaros protestam contra lei que proíbe parada do Orgulho
-
Departamento de Saúde dos EUA inicia demissão de 10 mil trabalhadores
-
Mundo prepara resposta para as novas tarifas de Trump
-
Estreito de Taiwan, importante rota marítima e epicentro de tensões
-
Erupção de vulcão obriga evacuação de povoado pesqueiro na Islândia
-
A remota aldeia indígena de Raoni, um oásis de preservação na Amazônia
-
Cineasta Todd Haynes receberá Carruagem de Ouro em Cannes
-
Indústria siderúrgica da América Latina em apuros com as tarifas de Trump
-
Salão do relógio de Genebra abre suas portas preocupado com China e EUA
-
O 'trabalho nobre' dos crematórios budistas após o terremoto em Mianmar
-
Inflação mantém retrocesso na zona do euro, apesar do cenário de incertezas
-
Quando o apoio de dirigentes como Trump ou Milei repercute nas criptomoedas
-
SpaceX lança primeira missão tripulada para sobrevoar polos terrestres
-
Na 'Academia Hagi', o Maradona dos Cárpatos forma campeões romenos
-
'Íamos voltar', diz astronauta da Nasa que ficou 'presa' na ISS
-
Forte queda da pobreza na Argentina, que atingiu 38,1% da população no 2T de 2024
-
Gigante imobiliária chinesa Vanke reporta perdas anuais bilionárias
-
O verdadeiro preço do ouro: agricultores e indígenas contra febre do garimpo no Paraguai
-
Tarifas alfandegárias, a arma econômica versátil de Trump
-
Trump acelera guerra do comércio mundial com tarifas 'recíprocas'
-
Reino Unido pede cooperação internacional para 'eliminar redes de contrabando de pessoas'
-
Trump diz que tarifas dos Estados Unidos afetarão 'todos os países'

Nobel de Física premia avanços em redes neurológicas artificiais e modelos linguísticos
Reconhecimento facial, tradução automática e detecção de tumores são alguns dos avanços possibilitados pelas redes artificiais de aprendizagem, pelas quais John Hopfield e Geoffrey Hinton receberam o Prêmio Nobel de Física de 2024 nesta terça-feira (8).
Graças ao seu trabalho pioneiro, os computadores não se limitam a seguir uma série de instruções, mas sim a "aprender através de exemplos".
- A memória associativa de Hopfield -
O princípio da "aprendizagem automática" é inspirado no funcionamento do cérebro humano e, mais especificamente, nas redes neuronais.
Nos humanos, o aprendizado reforça as conexões entre determinados grupos de neurônios e enfraquece outras, desenhando uma espécie de mapa de conexões para uma determinada imagem. Em 1982, o físico John Hopfield transferiu esta operação para uma rede artificial que leva o seu nome.
Nesta rede, o sistema funciona "com um comportamento que busca naturalmente o mínimo de energia", explica à AFP Damien Querlioz, pesquisador francês especializado em sistemas de processamento de informação do Centro de Nanociências e Nanotecnologias.
Hopfield comparou o armazenamento de um padrão na memória da rede com o percurso mais eficiente de uma bola rolando por uma paisagem de picos e vales. Quando a rede processa um padrão próximo ao salvo, a bola segue um caminho de gasto de energia semelhante, levando-a ao mesmo ponto.
"Com técnicas da física estatística, ele demonstrou como um algoritmo simples poderia armazenar certos padrões na memória, que poderiam então ser recuperados", explica Francis Bach, diretor do laboratório de aprendizagem estatística SIERRA na Ecole Normale Supérieure em Paris.
- A aprendizagem profunda de Hinton -
Geoffrey Hinton construiu seu trabalho sobre as bases estabelecidas por Hopfield. "Ele mostrou que é possível aprender de forma eficaz com redes neuronais de múltiplas camadas", explica Bach. Em outras palavras: "Quanto mais camadas houver, mais complexo pode ser o comportamento, e quanto mais complexo o comportamento, mais fácil será aprender de forma eficaz".
Desde a década de 1980, Hinton não parou de "propor novos algoritmos de aprendizagem para comportamentos cada vez mais complexos", acrescenta.
No final daquela década, os pesquisadores começaram a trabalhar "no reconhecimento de caracteres, que é mais simples do que imagens naturais", diz Bach.
- Dados e poder de cálculo -
Posteriormente, a disciplina sofreu um certo declínio até a década de 2010. Para que suas descobertas funcionassem, era necessário maior poder de cálculo e, sobretudo, enormes quantidades de dados, ingredientes essenciais para as redes neuronais, explica Querlioz.
As máquinas só podem aprender bem se receberem suficientes "exemplos da inteligência que você deseja que elas reproduzam".
O comitê do Nobel recorda que, em seu artigo publicado em 1982, Hopfield utilizou uma rede muito simples com "menos de 500 parâmetros para monitorar", enquanto os gigantescos modelos de linguagem atuais contêm "um quadrilhão".
- Para que serve? -
A grande onda de aprendizagem profunda da década de 2010 "revolucionou tudo relacionado ao processamento de imagens e ao processamento de linguagem natural", observa Francis Bach.
Querlioz cita exemplos como "assistentes de voz, reconhecimento facial" ou programas de criação de imagens como o DALL-E.
Mas estes avanços vão muito além daquilo que o público em geral percebe. "O que permite que o software do telefone diferencie os rostos de seus filhos também permite reconhecer um tumor", diz Bach.
Também facilita a análise e classificação de enormes quantidades de dados recolhidos em institutos de pesquisa de física elementar ou o processamento de imagens e espectros capturados na observação de estrelas.
Y.Uduike--CPN