
- 27-06-2025
- Artificial Intelligence
Os Redes Neurais All-Topográficas (All-TNNs) introduzem uma organização topográfica semelhante à do cérebro nos modelos de IA, melhorando a precisão do processamento visual e unindo a neurociência à aprendizagem profunda.
Uma nova classe de redes neurais artificiais, conhecidas como Redes Neurais Tudo-Topográficas (All-TNNs), foi desenvolvida para espelhar de forma mais precisa o funcionamento do sistema visual humano. Ao contrário dos modelos tradicionais, como as redes neuronais convolucionais (CNNs), que aplicam os mesmos detetores de características uniformemente em todo o campo visual, as All-TNNs adotam uma abordagem mais realista do ponto de vista biológico. Estas redes incorporam uma organização retinotópica e topográfica, o que significa que as características são detetadas não apenas com base na sua presença, mas também no local onde surgem — imitando o processamento espacial realizado pelo córtex visual do cérebro.
Este design estruturado espacialmente contrasta fortemente com a estratégia de “copiar e colar” usada pelas CNNs, onde as características aprendidas numa parte da imagem são generalizadas para todas as localizações. No cérebro humano, essa transferência uniforme não ocorre. O processamento visual depende fortemente tanto do tipo de característica como da sua localização, com neurónios afinados para regiões e propriedades específicas. As All-TNNs simulam esse comportamento ao alinhar os detetores de características numa superfície bidimensional semelhante ao córtex, garantindo que regiões vizinhas respondem a estímulos semelhantes, enquanto regiões mais distantes apresentam variação.
Esta arquitetura permite que as All-TNNs capturem de forma mais precisa os padrões comportamentais humanos em tarefas visuais, oferecendo uma maior proximidade com o modo natural como a informação visual é processada. Embora as redes neuronais profundas sejam utilizadas há bastante tempo para modelar aspetos da perceção visual, os avanços mais recentes na inteligência artificial têm frequentemente levado a arquiteturas que se afastam da plausibilidade biológica. As All-TNNs ajudam a colmatar essa lacuna ao reintroduzir princípios organizacionais fundamentais observados no cérebro.
Para além de proporcionarem maior realismo biológico, as All-TNNs abrem novas oportunidades de investigação em neurociência e psicologia. Estas redes poderão ajudar a compreender como a disposição espacial da sensibilidade a características — também conhecida como topografia cortical — influencia a perceção e a cognição humanas. Os esforços atuais concentram-se na melhoria da eficiência de treino e na obtenção de transições mais suaves de seletividade entre características ao longo do córtex artificial, tal como ocorre no cérebro. Explorar como os sistemas biológicos alcançam naturalmente essa suavidade continua a ser uma direção de investigação promissora.