Redes neurais buscam eficiência energética inspiradas no cérebro
São Paulo — InkDesign News —
Pesquisadores da Universidade de Buffalo estão explorando métodos de computação neuromórfica para melhorar a eficiência energética da inteligência artificial (AI), inspirando-se no funcionamento do cérebro humano.
Contexto da pesquisa
Com a crescente demanda por aplicações de AI, como modelos de linguagem, a energia utilizada para gerar respostas tem sido alarmante. Um modelo de AI pode consumir mais de 6.000 joules para uma única resposta, enquanto o cérebro humano opera com apenas 20 joules por segundo.
A pesquisa busca replicar a eficiência máxima do cérebro, que evoluiu para minimizar o uso de energia durante o processamento de informações. “Não há nada no mundo tão eficiente quanto nosso cérebro—ele evoluiu para maximizar o armazenamento e processamento de informações e minimizar o uso de energia” (
“There’s nothing in the world that’s as efficient as our brain—it’s evolved to maximize the storage and processing of information and minimize energy usage.”
— Sambandamurthy Ganapathy, Professor, Universidade de Buffalo
).
Método proposto
A equipe de Ganapathy investiga a criação de chips neuromórficos utilizando materiais avançados conhecidos como materiais de mudança de fase (PCM). Essa abordagem permite o armazenamento e processamento de informações no mesmo local, superando a separação típica entre a unidade de memória e a unidade de processamento em computadores tradicionais.
Além disso, os pesquisadores estão desenvolvendo neurônios e sinapses artificiais que imitam os sinais elétricos transmitidos pelos neurônios biológicos. “Queremos recriar aquelas oscilações elétricas rítmicas e sincronizadas que podemos observar em um escaneamento cerebral” (
“We essentially want to recreate those rhythmic and synchronized electrical oscillations you may see in a brain scan.”
— Nitin Kumar, Estudante de Pós-Graduação, Universidade de Buffalo
).
Resultados e impacto
A primeira fase da pesquisa inclui a caracterização do comportamento elétrico das PCM, como o óxido de vanádio niobium e estruturas organizatórias metálicas. Isso permitirá não só um melhor entendimento do funcionamento atômico desses materiais, mas também a base para desenvolvimento de uma rede neural oscilatória capaz de emular funções cerebrais complexas.
A expectativa é que chips neuromórficos sejam particularmente úteis em aplicações como carros autônomos, onde decisões em tempo real são cruciais. “Chip neuromórficos podem não estar em seu smartphone tão cedo, mas veremos sua aplicação em áreas específicas, como carros autônomos” (
“Neuromorphic chips may not be in your smartphone anytime soon, but I do think we will see them in highly specific applications, like self-driving cars.”
— Sambandamurthy Ganapathy, Professor, Universidade de Buffalo
).
A pesquisa traz a promessa de uma computação mais eficiente e capaz de resolver problemas complexos de formas mais similares ao comportamento humano.
Fonte: (TechXplore – Machine Learning & AI)
