Apesar de todo o progresso feito no campo da inteligaªncia artificial, o processador de informações mais flexa­vel e eficiente do mundo continua sendo o cérebro humano. Embora possamos tomar decisaµes rapidamente com base em informações incompletas e varia¡veis, muitos dos sistemas de inteligaªncia artificial de hoje são funcionam depois de serem treinados em dados bem rotulados e, quando novas informações estãodispona­veis, muitas vezes énecessa¡rio um retreinamento completo para incorpora¡-las.

Agora, a startup Nara Logics, cofundada por um ex-aluno do MIT, estãotentando levar a inteligaªncia artificial para o pra³ximo na­vel, imitando mais de perto o cérebro. O mecanismo de IA da empresa usa descobertas recentes em Neurociênciapara replicar a estrutura e a função do cérebro noníveldo circuito.

O resultado éuma plataforma de IA que possui uma sanãrie de vantagens sobre os sistemas tradicionais baseados em rede neural. Enquanto outros sistemas usam algoritmos fixos meticulosamente ajustados, os usuários podem interagir com a plataforma da Nara Logics, alterando varia¡veis ​​e objetivos para explorar ainda mais seus dados. A plataforma também pode comea§ar a funcionar sem dados de treinamento rotulados e pode incorporar novos conjuntos de dados a  medida que se tornam dispona­veis. Talvez o mais importante, a plataforma da Nara Logics pode fornecer as razões por trás de cada recomendação que faz - um fator-chave para a adoção em setores como saúde.

“Muitos de nossos clientes de assistaªncia médica dizem que tiveram sistemas de IA que da£o a probabilidade de alguém ser readmitido no hospital, por exemplo, mas nunca tiveram aqueles 'mas por quaª?' razões para saber o que podem fazer a respeito ”, diz Jana Eggers, CEO da Nara Logics, que lidera a empresa com o CTO e fundador Nathan Wilson PhD '05.

A IA da Nara Logics estãosendo usada atualmente por organizações de saúde, empresas de consumo, fabricantes e o governo federal para fazer coisas como reduzir custos e interagir melhor com os clientes.

“a‰ para pessoas cujas decisaµes estãoficando complicadas porque hámais fatores [e dados] sendo adicionados, e para pessoas que estãoolhando para decisaµes complexas de forma diferente porque hánovas informações dispona­veis”, diz Eggers.

A arquitetura da plataforma éo resultado da decisão de Wilson de abraçar as complexidades da neurociaªncia, em vez de abstrair delas. Ele desenvolveu essa abordagem ao longo de mais de uma década trabalhando no Departamento de Canãrebro e Ciências Cognitivas do MIT, que hámuito tempo mantanãm a missão de fazer engenharia reversa da mente humana.

“Na Nara Logics, acreditamos que a Neurociênciaestãoem um caminho muito bom que vai nos levar a maneiras realmente emocionantes de tomar decisaµes que não vimos antes”, diz Wilson.

Wilson frequentou a Cornell University para seus diplomas de graduação e mestrado, mas assim que chegou ao MIT em 2000, ele permaneceu. Ao longo de um doutorado de cinco anos e um pa³s-doutorado de sete anos, ele criou estruturas matemáticas para simular a função cerebral.

“A comunidade do MIT estãorealmente focada em criar novos modelos de computação que va£o além do que a ciência da computação oferece”, diz Wilson. “O trabalho estãorelacionado a  ciência da computação, mas também considera o que nosso cérebro estãofazendo que pode nos ensinar como os computadores funcionam, ou como os computadores podem funcionar.”

Nas noites e fins de semana durante os anos finais de seu pa³s-doutorado, de 2010 a 2012, Wilson também estava comea§ando a traduzir seus algoritmos em um sistema comercial em trabalho que seria a base da Nara Logics. Em 2014, seu trabalho chamou a atenção de Eggers, que havia liderado uma sanãrie de nega³cios de sucesso, mas estava cansado da publicidade em torno da inteligaªncia artificial.

Eggers ficou convencido de que o mecanismo de IA da Nara Logics oferecia uma maneira superior de ajudar as empresas. Já naquela anãpoca, o motor, que a empresa chama de Nara Logics Synaptic Intelligence, tinha propriedades que o tornavam aºnico na área.

No motor, os objetos nos dados dos clientes, como pacientes e tratamentos, se organizam em matrizes com base nas caracteri­sticas que compartilham com outros objetos, em uma estrutura semelhante ao que foi observado em sistemas biola³gicos. Relacionamentos entre objetos também se formam por meio de uma sanãrie de funções locais que a empresa chama de regras de aprendizagem sina¡ptica, adaptadas de estudos de Neurociênciabaseados em células e circuitos.

“O que fazemos écatalogar todos os metadados e o que chamamos de nossos Conectomas entrar e minerar o banco de dados de dados não estruturados e construir links entre todos eles que relacionam essas coisas”, explica Wilson. “Depois de ter essa base, vocêpode entrar e dizer: 'Eu gosto disso, disso e disso' e vocêdeixa o mecanismo processar os dados e fornecer correspondaªncias para esses parametros. O que vocênão precisa fazer éter noção de qual seria a resposta certa para muitas pessoas semelhantes. Vocaª pula toda essa etapa. ”

Cada objeto no Synaptic Intelligence da Nara Logics armazena suas propriedades e regras localmente, permitindo que a plataforma se ajuste a novos dados atualizando apenas um pequeno número de objetos associados. Acredita-se que a abordagem de baixo para cima seja usada pelo cérebro.

“Isso étotalmente diferente do aprendizado profundo ou outras abordagens que apenas dizem: 'Vamos otimizar tudo globalmente, e cada canãlula faz o que o algoritmo global diz'”, explica Wilson. “Os neurocientistas estãonos dizendo que cada canãlula estãotomando decisaµes por conta própria atécerto ponto.”

O design permite que os usuários explorem relacionamentos em dados “ativando” certos objetos ou recursos e vendo o que mais éativado ou suprimido.

Para responder, o motor do Nara Logics ativa apenas um pequeno número de objetos em seu conjunto de dados. A empresa diz que isso ésemelhante a  “codificação esparsa” que se acredita ser usada em regiaµes superiores do cérebro, nas quais apenas um pequeno número de neura´nios éativado em um determinado momento. O princa­pio de codificação esparso permite que a empresa refaz o caminho de sua plataforma e fornea§a aos usuários as razões por trás de suas decisaµes.

Conforme a empresa amadureceu, Wilson permaneceu conectado a  pesquisa da comunidade do MIT, e Nara Logics participou do acelerador de inicialização STEX25, executado pelo Programa de Ligação Industrial do MIT, onde Wilson diz que a empresa fez muitos contatos que se transformaram em clientes.

Os fabricantes já estãousando a plataforma da Nara Logics para entender melhor os dados de dispositivos de internet das coisas, as empresas de consumo estãousando para se conectar melhor com os clientes e grupos de saúde estãousando para tomar melhores decisaµes de tratamento.

“Estamos focados em um algoritmo especa­fico, que éa meca¢nica da tomada de decisão”, diz Wilson. “Acreditamos que éalgo que vocêpode codificar e que seráextremamente valioso se vocêconseguir fazer esse processo corretamente.”

Amedida que a Covid-19 perturbava os setores e destacava a necessidade das organizações investirem em ferramentas de software adapta¡veis, a Nara Logics quase dobrou sua base de clientes. Os fundadores estãoentusiasmados por escalar uma solução que consideram mais colaborativa e responsiva aos humanos do que outros sistemas de IA.

“Achamos que a diferença mais importante para a qual estamos contribuindo éa construção de uma IA onde as pessoas participam e estãopor dentro - elas estãocientes, entendem e estãocientes do que estãofazendo”, diz Wilson. “Isso os ajuda a tomar decisaµes mais inteligentes todos os dias, e isso faz uma grande diferença.”