---
title: "Sakana AI apresenta PC-ALM, método para treinar redes sem backpropagation"
url: https://dailyjournal.news/news/2026-09-14/sakana-ai-apresenta-pc-alm-metodo-para-treinar-redes-sem-backpropagation
published: 2026-09-14T12:10:36.906498+00:00
updated: 2026-09-14T12:10:36.906498+00:00
categories: ["technology"]
source_count: 1
outlet_count: 0
language: pt-BR
publisher: "Daily Journal"
---

# Sakana AI apresenta PC-ALM, método para treinar redes sem backpropagation

Nova tecnologia permite o treinamento de redes neurais profundas com 1000 camadas utilizando aprendizado local em vez de backpropagation.

## Pontos principais

- O método PC-ALM utiliza dinâmica local e multiplicadores de Lagrange para a atribuição de crédito.
- A tecnologia possibilita o treinamento de redes neurais com 1000 camadas sem depender do backpropagation tradicional.
- O sistema opera como um controlador de feedback PI para minimizar erros de predição em cada camada.
- A abordagem busca maior eficiência em hardware neuromórfico com base em conceitos de NeuroAI.

A Sakana AI revelou o PC-ALM, um novo método de aprendizado local projetado para treinar redes neurais profundas sem a necessidade do algoritmo de backpropagation. A tecnologia utiliza multiplicadores de Lagrange e dinâmica local para resolver a atribuição de crédito em redes de até 1000 camadas.

O sistema funciona como um controlador de feedback PI, minimizando erros de predição locais em cada camada da rede. Inspirada em conceitos de NeuroAI e otimização distribuída, a abordagem visa aumentar a eficiência operacional em hardware neuromórfico.

## Fontes

- [@SakanaAILabs: Introducing PC-ALM, a local-learning alternative to backpropagation.](https://x.com/SakanaAILabs/status/2099468208231399687) (2026-09-14)

---

Publicado por Daily Journal. Versão HTML: https://dailyjournal.news/news/2026-09-14/sakana-ai-apresenta-pc-alm-metodo-para-treinar-redes-sem-backpropagation