Computadores inspirados no cérebro conseguirão mesmo destronar a concorrência?
[Imagem: SpiNNcloud Systems]
Computação semelhante ao cérebro
Todos os grandes fabricantes de hardware estão trabalhando para melhorar a eficiência e diminuir o consumo de energia de seus sistemas, em resposta ao apetite crescente da computação por eletricidade, sobretudo por conta dos aplicativos de inteligência artificial.
Mas será que um caminho alternativo poderia ser construir computadores com um tipo de arquitetura fundamentalmente diferente, que seja mais eficiente em termos energéticos? Algumas empresas certamente pensam assim, e baseiam-se na estrutura e função de um órgão que utiliza uma fração da energia de um computador convencional para realizar mais operações com mais rapidez: O cérebro.
Na computação neuromórfica os dispositivos eletrônicos imitam neurônios e sinapses e estão interligados de uma forma que se assemelha à rede elétrica do cérebro.
Primeiros resultados
Não é exatamente uma novidade – os pesquisadores têm trabalhado na técnica desde a década de 1980. Mas os requisitos energéticos da revolução da IA estão aumentando a pressão para levar essa tecnologia nascente ao mundo real. Os atuais sistemas e plataformas existem principalmente como ferramentas de pesquisa científica, mas os proponentes defendem que eles poderiam proporcionar enormes ganhos em eficiência energética,
Entre aqueles com ambições comerciais estão gigantes de hardware como Intel e IBM. Um punhado de pequenas empresas também está em cena. “A oportunidade está à espera da empresa que consiga descobrir isso,” disse Dan Hutcheson, analista da TechInsights. “E a oportunidade é tanta que pode ser um matador da Nvidia,” acrescentou, referindo-se à maior fornecedora de hardware de IA na atualidade.
Em maio, a SpiNNcloud Systems, uma subsidiária da Universidade de Tecnologia de Dresden, na Alemanha, anunciou que começará a vender supercomputadores neuromórficos pela primeira vez e está aceitando encomendas. “Chegamos à comercialização de supercomputadores neuromórficos na frente de outras empresas”, disse Hector Gonzalez.
É um desenvolvimento significativo, garante o professor Tony Kenyon, do Colégio Universitário de Londres, que trabalha na área. “Embora ainda não exista um aplicativo matador, há muitas áreas onde a computação neuromórfica proporcionará ganhos significativos em eficiência energética e desempenho, e tenho certeza de que começaremos a ver uma ampla adoção da tecnologia à medida que ela amadurece.”
[Imagem: IBM Research]
Diferenças dos computadores neuromórficos
A computação neuromórfica abrange uma gama de abordagens, desde simplesmente uma abordagem mais inspirada no cérebro, até uma simulação quase total do cérebro humano (da qual realmente não estamos nem perto). Mas existem algumas propriedades básicas de projeto que a diferenciam da computação convencional.
Primeiro, diferentemente dos computadores convencionais, os computadores neuromórficos não possuem memória e unidades de processamento separadas. Em vez disso, essas tarefas são executadas juntas em um chip em um único local, um conceito chamado computação na memória. Eliminar a necessidade de transferência de dados entre os dois reduz a energia utilizada e acelera o tempo de processamento, observa o professor Kenyon.
Também comum pode ser uma abordagem de computação orientada a eventos. Em contraste com a computação convencional, onde cada parte do sistema está sempre ligada e disponível para comunicar com qualquer outra parte o tempo todo, a ativação na computação neuromórfica pode ser mais esparsa. Os neurônios e sinapses artificiais só são ativados em um momento em que têm algo a comunicar, da mesma forma que muitos neurônios e sinapses em nossos cérebros só entram em ação quando há uma razão para isso. Trabalhar apenas quando há algo para processar também economiza energia.
E, embora os computadores modernos sejam digitais – usando 1s ou 0s para representar dados – uma computação neuromórfica pode ser analógica. Historicamente importante, esse método de computação depende de sinais contínuos e pode ser útil quando dados provenientes do mundo exterior precisam ser analisados.