<div dir="auto"><div dir="auto"><br></div><div dir="auto">O “problema dos três corpos”, inicialmente formulado por Isaac Newton no século XVII e que desafia cientistas até aos dias que correm, foi resolvido por um programa de Inteligência Artificial (IA) numa questão de segundos.</div><div dir="auto"><br></div><div dir="auto">O problema parece simples, mas revela-se bastante complexo, frisa o Live Science: passa por prever como é que três corpos celestes – como estrelas, planetas e luas – se orbitam.</div><div dir="auto"><br></div><div dir="auto">As interações gravitacionais entre estes objetos resultam de um sistema caótico e complexo, sendo muito sensível às posições iniciais de cada corpo e, por isso, tornava-se complicado encontrar uma forma simples de o resolver.</div><div dir="auto"><br></div><div dir="auto">Resolver este problema, escreve o Hype Science, requer uma quantidade impensável de cálculsos. Por isso, e para tentar resolver a questão, os cientistas recorrem a softwares que podem durar semanas ou até meses para revelar os resultados.</div><div dir="auto"><br></div><div dir="auto">Mas agora, um novo estudo da Universidade de Cambridge, no Reino Unido, tentou testar se uma rede neuronal – um tipo de IA que imita a forma como o cérebro humano opera – pode resolver o problema de forma mais rápida.</div><div dir="auto"><br></div><div dir="auto">De acordo com a nova investigação, cujos resultados estão disponíveis em pré-visualização no arXiv, a rede neuronal é bem mais rápida: 100 milhões de vezes.</div><div dir="auto"><br></div><div dir="auto">As redes neuronais devem ser treinadas, isto é, alimentadas com dados antes de começarem a fazer previsões. Por isso, para esta investigação, os cientistas começaram por gerar 9.900 cenários simplificados de três corpos recorrendo ao Brutus, o software mais utilizado para resolver este problema.</div><div dir="auto"><br></div><div dir="auto">No Brutus, a análise de cada cenário levou cerca de 2 minutos.</div><div dir="auto"><br></div><div dir="auto">Depois, partiram desde dados para alimentar a rede neuronal, testando 5.000 cenários ainda não previstos recorrendo à IA, descobrindo que a rede artificial pode resolvê-los numa questão de segundos e obtendo resultados semelhantes aos do Brutus.</div><div dir="auto"><br></div><div dir="auto">Potencial da descoberta</div><div dir="auto">Segundo Chris Foley, cientista da Universidade de Cambridge e um dos autores do estudo, esta eficácia pode ser “inestimável” para astrónomos que estudam o comportamento de aglomerados de estrelas e a própria evolução do Universo.</div><div dir="auto"><br></div><div dir="auto">“Esta rede neural, se fizer um bom trabalho, deve dar-nos soluções num prazo sem precedentes. Então, podemos começar a pensar em progredir com questões muito mais profundas, como a forma como as ondas gravitacionais se formam”, explicou.</div><div dir="auto"><br></div><div dir="auto">Contudo, esta IA tem uma desvantagem óbvia: a rede neuronal é uma prova de conceito que aprendeu a partir de cenários simplificados. Treiná-la para outros cenários mais complexos exige que estes sejam inicialmente calculados com o Brutus – situação que pode ser demorada e cara.</div><div dir="auto"><br></div><div dir="auto">Foley explicou ainda que o Brutus é lento porque resolve problemas recorrendo a “força bruta”, ou seja, realizando cálculos para cada etapa, por menor que esta seja, das trajetórias dos corpos celestes. A rede neural, por sua vez, analisa estes cálculos e deduz um padrão que pode ajudar a prever cenários futuros com eficácia.</div><div dir="auto"><br></div><div dir="auto">“Existe uma separação entre a nossa capacidade de treinar uma rede neural com um desempenho fantástico e a nossa capacidade de derivar dados com os quais treiná-la (…) Então, há um gargalo” nesta situação, explicou Foley.</div><div dir="auto"><br></div><div dir="auto">Segundo o cientista, a ideia não passa por substituir o Brutus pela IA, mas antes utilizá-los em conjunto. O software continuaria a fazer a maior parte do trabalho “braçal” e a rede neuronal assumiria o resto do trabalho quando os cálculos em causa ficassem complexos demais, “travando” o software.</div><div dir="auto"><br></div><div dir="auto">“Criamos esse híbrido. Sempre que o Brutus fica preso, aplicamos a rede neuronal e avançamos. Depois, avaliamos de o Brutus continuou preso”, resumiu.</div><div dir="auto"><br></div><div dir="auto">Fonte: ZAP</div><div dir="auto"><br></div></div>