Os algoritmos de otimização evolutiva moldam o aprendizado e o comportamento de redes neurais artificiais de forma diferente dos métodos tradicionais?
Ciência / Ciência da Computação
Redes neurais artificiais hoje estão por trás de tecnologias que reconhecem imagens, interpretam textos e tomam decisões. Mas como elas aprendem? Este projeto investiga se redes idênticas, quando treinadas por caminhos diferentes (o método tradicional baseado em gradiente ou algoritmos inspirados na evolução biológica) desenvolvem formas distintas de “raciocinar” e “agir”. Para isso, usamos experimentos controlados e ferramentas de interpretabilidade que nos ajudam a “abrir a caixa-preta” desses modelos e observar o que acontece por dentro. O objetivo é entender se o modo de treinar influencia não só o desempenho, mas também o comportamento da rede. Se a resposta for sim, isso pode mudar a forma como projetamos sistemas de inteligência artificial mais confiáveis, transparentes e alinhados aos nossos valores.
Recursos investidos
Instituições
- Universidade Federal do Rio Grande do Sul
