Cérebro em um chip faz inteligência artificial sem treinamento

Inteligência artificial em hardware

Uma rede neural pulsada inspirada no cérebro e implantada em um microchip permitiu aos pesquisadores estabelecer as bases para o desenvolvimento de sistemas de computação de inteligência artificial baseados em hardware mais eficientes.

A maior parte da inteligência artificial hoje é baseada em software, mas hardwares talhados para rodar seus algoritmos podem tornar tudo mais eficiente e mais rápido - pense, por exemplo, nos ganhos obtidos com os processadores gráficos dedicados.

Indo além do exemplo das placas gráficas, porém, a ideia agora é usar circuitos neuromórficos, que processam os dados de forma parecida com o que fazem os neurônios no nosso cérebro.

Só que isso exige uma outra mudança, um avanço em relação às redes neurais artificiais usadas pelos algoritmos de inteligência artificial.

"Uma rede neural artificial é um modelo matemático abstrato que tem pouca semelhança com sistemas nervosos reais e requer um poder de computação intensivo," explica Wenzhe Guo, da Universidade de Ciência e Tecnologia Rei Abdullah, na Arábia Saudita.

"Uma rede neural pulsada, por outro lado, é construída e funciona da mesma maneira que o sistema nervoso biológico e pode processar informações de maneira mais rápida e eficiente em termos de energia.

" As redes neurais pulsadas emulam a estrutura do sistema nervoso, como uma rede de sinapses que transmitem informações por meio de canais iônicos na forma de potenciais de ação, ou picos.

Esse comportamento orientado a eventos, implementado matematicamente como um "modelo de integração e disparo com vazamento", torna as redes neurais pulsadas muito eficientes, além de permitir um grau de paralelização que não pode ser obtido com a computação convencional.

Esquema da plataforma desenvolvida pela equipe.

Cérebro em um chip

O que a equipe fez agora foi colocar toda essa teoria na prática, colocando tudo em um chip real.

"Usamos um microchip FPGA padrão de baixo custo e implementamos um modelo de plasticidade dependente do tempo de disparo, que é uma regra de aprendizagem biológica descoberta em nosso cérebro," descreveu Guo.

O principal ganho confirmado pelo protótipo é que este modelo biológico não precisa de dados prévios, permitindo que o sistema de computação neuromórfico aprenda padrões de dados do mundo real sem treinamento.

O "cérebro em um chip" da equipe provou ser 20 vezes mais rápido e 200 vezes mais eficiente em termos de energia do que as plataformas atuais de rede neural.

"Nosso objetivo final é construir um sistema de computação em hardware semelhante ao cérebro, compacto, rápido e de baixo consumo de energia.

A próxima etapa é melhorar o design e otimizar o empacotamento, miniaturizar o chip e personalizá-lo para várias aplicações industriais por meio da colaborações," disse Guo