Thread by @AIThreadBR

O que os neurônios, que você aprende na escola, tem a ver com inteligência artificial? E como, graças a eles, temos hoje um dos melhores métodos em IA?

Vamos falar delas: redes neurais! 🧠

PARTE 1

#AIThreadBR com pitada de #NeuroThreadBR

Não é de hoje a ideia de obter uma inteligência artificial. Como? Sendo q a própria inteligência biológica é um tema ainda estudado e discutido?

Nos anos 40 propuseram "implementar a ideia de neurônios para um computador".

Isso ajudaria entender como os neurônios se comunicam!

Neurônios são compostos por:

🔷 dendritos que recebem uma informação
🔷 núcleo que processa informação
🔷 axônio que passa a informação pra outro neurônio

Na década de 60, propuseram uma forma computacional para o neurônio, o perceptron, é muito parecido com os neurônios biológicos e já era funcional. Ele recebe informação por uma espécia de dendritos, processa a informação no seu "núcleo" e transmite uma saída análoga à um axônio.

Assim como não temos um neurônio no corpo, a ideia era juntar todos esses perceptrons em uma espécie de rede. Essa rede conectava um neurônio no outro. Aí nascia o que conhecemos hoje como rede neural.

A rede neural é composta por camadas de neurônios. A primeira camada é

chamada de camada de entrada e a última é camada de saída. As do meio recebem um nome engraçado: redes escondidas.

E como funciona essa rede neural? Então vamos lá na receita:

1- Você precisa de dados de entrada e dados de saída.

Por exemplo, você quer uma rede que aprenda a classificar se é gato ou se não é.

A entrada pode ser uma foto de gato como entrada e a saída ser 1 ou "Verdadeiro" (é um gato). Ou a foto de um cachorro e a saída ser 0 ou "Falso" (não é um gato).

Suponha que tenha várias dessas fotos de cachorros e gatos, cada um com sua classificação 1/Verdadeiro ou 0/Falso.

2- Os dados de entrada vão ser inseridos na cama de entrada.

Imagina assim, cada neurônio da cama de entrada vai receber um pixel dessa imagem.

3- Os neurônios vão passar informação para camada escondida.

Em geral, todo neurônio da camada escondida recebe informação de todos neurônios anteriores. Se a entrada foi [0, 1, 2], todos neurônios vão receber [0, 1, 2]. Ok?

4- Os neurônios da camada escondida vão processar essa informação.

Assim como nos neurônios biológicos tem o processamento no núcleo, aqui eles também vão processar. Em geral, eles dão um peso para cada input e somam.

Se eles recebem [0, 1, 2], eles dão um peso [w1, w2, w3] e somam: w1*0 + w2*1 + w3*2 = z (um número).

Esse número z vai passar por uma função não-linear! Não vou entrar nos detalhes da importância da não-linearidade mas é importante que seja não linear. A função mais comum é a ReLU:

ReLU = max(0, z)

Se z for maior que 0, ReLU = z
Se z for menor que 0, ReLU = 0

Isso vai continuar por toda rede neural!

5- Na última camada, vai ter um neurônio que vai dar como saída seu número "z".

Aqui é a resposta que queremos! Se o dado que entrou foi a foto de um gato, queremos que esse último z = 1.
Se for foto de um cachorro, queremos que z = 0.

Supondo que a foto seja um gato, e z saiu igual 2, DEU RUIM! O QUE FAZER?

Primeiro, calma, quantifica o quão errado esse resultado via uma função de erro. Função de erro é qualquer função que quantifica a diferença entre dois valores. A mais comum é a própria diferença (2 - 1).

Essa função de erro recebe o nome de LOSS FUNCTION ou função de perda.

A loss function tem um papel importante porque já como ela quantifica a diferença, é possível avisar todos neurônios o quanto tava errado e o que eles devem mudar nos seus pesos [w1, w2, w3].

6- Avisar as mudanças pros neurônios!

Esse aviso é por meio de algo chamado derivadas e gradiente descendente. O gradiente descendente ajuda a encontrar quais valores de [w1, w2, w3] dão o menor valor pra loss function. E avisa os neurônios o quanto eles devem mudar nos pesos!

O gradiente descendente não é algo tão simples pra explicar numa thread mas quem tiver interesse, esse vídeo em português explica direito e com ilustrações como funciona essa etapa:

7- Continuar processo de 2-6 até obter uma loss function esperada!

Quando a loss function chega no valor esperado, a gente diz que a rede convergiu. Quer dizer que a rede tem os melhores pesos para o objetivo que você quer que ela faça.

No nosso caso, isso quer dizer que a rede tem todos pesos ideais pra entender o que é um gato e o que não é um gato!

Em outras palavras, ela aprendeu.

Se você tá pensando que toda vez a gente programa todas essas funções pro computador, não!

Em geral usamos uma ferramenta chamada Tensorflow e Keras que nos ajuda a criar essas camadas de forma simples. Mas criar uma rede neural do zero é uma boa maneira de estudar e aprender!

Estava pensando em falar sobre as irmãs das redes neurais, as redes neurais convolucionais mas a thread vai ficar grande demais! Fica para a parte 2 que pretendo escrever em breve!

Créditos das imagens: towardsdatascience.