Por que os humanos desenvolveram os olhos que temos hoje?

Embora os cientistas não possam voltar no tempo para estudar as pressões ambientais que moldaram a evolução dos diversos sistemas de visão existentes na natureza, uma nova estrutura computacional desenvolvida por pesquisadores do MIT permite explorar essa evolução em agentes de inteligência artificial.

A estrutura que eles desenvolveram, na qual agentes de IA incorporados desenvolvem olhos e aprendem a enxergar ao longo de muitas gerações, é como uma "caixa de areia científica" que permite aos pesquisadores recriar diferentes árvores evolutivas. O usuário faz isso alterando a estrutura do mundo e as tarefas que os agentes de IA executam, como encontrar comida ou distinguir objetos.

Isso permite que eles estudem por que um animal pode ter desenvolvido manchas simples e sensíveis à luz como olhos, enquanto outro possui olhos complexos, semelhantes a câmeras.

Os experimentos dos pesquisadores com essa estrutura demonstram como as tarefas impulsionaram a evolução dos olhos nos agentes. Por exemplo, eles descobriram que tarefas de navegação frequentemente levavam à evolução de olhos compostos com muitas unidades individuais, como os olhos de insetos e crustáceos.

Por outro lado, se os agentes se concentrassem na discriminação de objetos, seria mais provável que desenvolvessem olhos do tipo câmera, com íris e retinas.

Essa estrutura poderia permitir que cientistas investigassem hipóteses sobre sistemas de visão que são difíceis de estudar experimentalmente. Também poderia orientar o projeto de novos sensores e câmeras para robôs, drones e dispositivos vestíveis que equilibrem o desempenho com restrições do mundo real, como eficiência energética e viabilidade de fabricação.

“Embora nunca possamos voltar atrás e descobrir todos os detalhes de como a evolução ocorreu, neste trabalho criamos um ambiente onde podemos, de certa forma, recriar a evolução e investigar o ambiente de todas essas maneiras diferentes. Esse método de fazer ciência abre as portas para muitas possibilidades”, diz Kushagra Tiwary, estudante de pós-graduação no MIT Media Lab e coautor principal de um artigo sobre esta pesquisa.

Ele é acompanhado no artigo pelo coautor principal e colega de pós-graduação Aaron Young; pelo estudante de pós-graduação Tzofi Klinghoffer; pelo ex-pós-doutorando Akshat Dave, que agora é professor assistente na Universidade Stony Brook; por Tomaso Poggio, professor titular da Cátedra Eugene McDermott no Departamento de Ciências do Cérebro e Cognitivas, pesquisador do Instituto McGovern e codiretor do Centro para Cérebros, Mentes e Máquinas; pelos coautores seniores Brian Cheung, pós-doutorando no Centro para Cérebros, Mentes e Máquinas e futuro professor assistente na Universidade da Califórnia, em São Francisco; e Ramesh Raskar, professor associado de artes e ciências da mídia e líder do Grupo de Cultura da Câmera no MIT; bem como por outros pesquisadores da Universidade Rice e da Universidade Lund. A pesquisa foi publicada hoje na revista Science Advances .

O artigo começou como uma conversa entre os pesquisadores sobre a descoberta de novos sistemas de visão que pudessem ser úteis em diferentes áreas, como a robótica. Para testar suas hipóteses, os pesquisadores decidiram usar IA para explorar as muitas possibilidades evolutivas .

Para construir esse ambiente evolutivo, os pesquisadores pegaram todos os elementos de uma câmera, como sensores, lentes, aberturas e processadores, e os converteram em parâmetros que um agente de IA incorporado pudesse aprender.

Eles usaram esses elementos básicos como ponto de partida para um mecanismo de aprendizado algorítmico que um agente usaria à medida que desenvolvesse olhos ao longo do tempo.

“Não conseguíamos simular o universo inteiro átomo por átomo. Era um desafio determinar quais ingredientes precisávamos, quais não precisávamos e como alocar recursos entre esses diferentes elementos”, diz Cheung.

Em sua estrutura, esse algoritmo evolutivo pode escolher quais elementos evoluir com base nas restrições do ambiente e na tarefa do agente.

Cada ambiente possui uma única tarefa, como navegação, identificação de alimentos ou rastreamento de presas, projetada para simular tarefas visuais reais que os animais precisam superar para sobreviver. Os agentes começam com um único fotorreceptor que observa o mundo e um modelo de rede neural associado que processa as informações visuais.

Em seguida, ao longo da vida útil de cada agente, ele é treinado usando aprendizado por reforço, uma técnica de tentativa e erro na qual o agente é recompensado por atingir o objetivo de sua tarefa. O ambiente também incorpora restrições, como um certo número de pixels para os sensores visuais de um agente.

“Essas restrições orientam o processo de design, da mesma forma que temos restrições físicas em nosso mundo, como a física da luz, que orientaram o design de nossos próprios olhos”, diz Tiwary.

Ao longo de muitas gerações, os agentes desenvolvem diferentes elementos de sistemas de visão que maximizam as recompensas.

Sua estrutura utiliza um mecanismo de codificação genética para simular computacionalmente a evolução, onde genes individuais sofrem mutações para controlar o desenvolvimento de um agente.

Por exemplo, os genes morfológicos capturam a forma como o agente vê o ambiente e controlam o posicionamento dos olhos; os genes ópticos determinam como o olho interage com a luz e ditam o número de fotorreceptores; e os genes neurais controlam a capacidade de aprendizagem dos agentes.

Quando os pesquisadores configuraram experimentos nesse contexto, descobriram que as tarefas tinham uma grande influência nos sistemas de visão que os agentes desenvolveram.

Por exemplo, agentes focados em tarefas de navegação desenvolveram olhos projetados para maximizar a percepção espacial por meio de sensores de baixa resolução, enquanto agentes encarregados de detectar objetos desenvolveram olhos mais focados na acuidade frontal do que na visão periférica.

Outro experimento indicou que um cérebro maior nem sempre é melhor quando se trata de processar informações visuais. Apenas uma quantidade limitada de informações visuais pode entrar no sistema por vez, com base em limitações físicas, como o número de fotorreceptores nos olhos.

"Em certo ponto, um cérebro maior deixa de ser útil para os agentes, e na natureza isso seria um desperdício de recursos", diz Cheung.

No futuro, os pesquisadores pretendem usar esse simulador para explorar os melhores sistemas de visão para aplicações específicas, o que poderia ajudar os cientistas a desenvolver sensores e câmeras para tarefas específicas. Eles também querem integrar LLMs (Modelos de Aprendizagem Linear) em sua estrutura para facilitar aos usuários a formulação de perguntas hipotéticas e o estudo de possibilidades adicionais.

“Há um benefício real em fazer perguntas de uma forma mais criativa. Espero que isso inspire outros a criarem estruturas mais amplas, onde, em vez de se concentrarem em perguntas específicas que abrangem uma área particular, busquem responder a questões com um escopo muito mais abrangente”, diz Cheung.

Este trabalho foi financiado, em parte, pelo Centro para Cérebros, Mentes e Máquinas e pelo programa Matemática para a Descoberta de Algoritmos e Arquiteturas (DIAL) da Agência de Projetos de Pesquisa Avançada de Defesa (DARPA).