Overview

Fronteiras em Aprendizagem Profunda: Advanced Models, Training Paradigms, and Open Problems apresenta uma exploração abrangente das direcções emergentes na aprendizagem profunda para além das arquitecturas e métodos de formação tradicionais. O livro examina criticamente as limitações da retropropagação, a implausibilidade biológica, a ineficiência da memória e o esquecimento catastrófico, ao mesmo tempo que apresenta alternativas inovadoras, como redes neurais de picos, codificação preditiva e propagação de equilíbrio. Abrange tópicos avançados como a meta-aprendizagem, modelos de equilíbrio profundos, arquitecturas transformadoras, redes neurais gráficas, IA neuro-simbólica, aprendizagem auto-supervisionada, modelos de difusão, estratégias de formação escaláveis e técnicas de inferência eficientes. O trabalho dá ênfase à aprendizagem causal, à robustez adversária, à quantificação da incerteza, à IA explicável e à aprendizagem multimodal como componentes essenciais para sistemas de IA fiáveis e generalizáveis. Ao fazer a ponte entre os fundamentos teóricos e as aplicações do mundo real nos cuidados de saúde, na descoberta científica e na automatização, o livro fornece uma visão prospetiva da aprendizagem profunda que avança para uma inteligência artificial mais adaptável, interpretável e eficiente em termos energéticos.