Apresentação de Nickolas Machado sobre Redes Neurais Binarizadas

Durante a última reunião do grupo de pesquisa em Computação de Alto Desempenho (HPC), Nickolas Machado apresentou uma introdução à neuroevolução, focando no algoritmo NEAT (NeuroEvolution of Augmenting Topologies). Iniciou corrigindo concepções anteriores sobre redes neurais binarizadas, esclarecendo que, diferentemente das redes inteiramente binárias, as redes neurais binarizadas possuem apenas pesos binários.

Machado baseou sua apresentação em um artigo seminal de Kenneth Stanley, explorando o uso do NEAT em jogos e a evolução de projetos usando esse algoritmo. Ele descreveu as redes neurais artificiais e como elas se ajustam para resolver problemas específicos por meio de aprendizado supervisionado, não-supervisionado e por reforço, destacando o aprendizado por reforço como base para a neuroevolução.

A apresentação destacou a neuroevolução como um método de desenvolvimento de inteligência artificial que utiliza algoritmos evolucionários para criar redes neurais. Diferente de outros algoritmos genéticos que focam em ajustar pesos e biases, o NEAT também evolui a arquitetura da rede, otimizando a topologia para soluções mais eficientes.

Machado discutiu como o NEAT inicia com uma população pequena que evolui, aumentando a eficiência e reduzindo o tempo de convergência. Ele introduziu conceitos-chave como especiação, que permite a evolução de redes em subgrupos, mantendo a diversidade genética e melhorando a eficácia da seleção natural.

A mutação no NEAT pode adicionar conexões e nós, além de habilitar ou desabilitar conexões existentes, proporcionando uma rica variedade de modificações arquitetônicas possíveis. Por fim, Machado sugeriu áreas para aprofundamento futuro, como a aplicação do NEAT em projetos específicos e a exploração de estratégias evolutivas alternativas.

Apresentação feita por Nickolas Machado sobre Redes Neurais Binarizadas está disponível no canal do Youtube.