Computação Neuromórfica: Conheça o Futuro da IA

Você não precisa fazer parte da indústria de tecnologia para saber que muitas pessoas apontam a inteligência artificial como a tecnologia que define a atualidade. Além do mais, muitos especialistas dizem que estamos vivendo na era da IA ​​(já dissemos isso aqui no The Daily Bundle!). Portanto, não é surpreendente que quase toda a indústria esteja quase obcecada por isso.

Há muitas razões para justificar esse foco compulsivo na IA, mas penso que se resume principalmente à longa lista de benefícios prometidos associados a esta tecnologia. De acordo com muitos entusiastas, a inteligência artificial pode remodelar indústrias inteiras, introduzir uma série de novos produtos e serviços e redefinir completamente as nossas vidas. Parece bom demais para ser verdade.

Bem, isso é porque meio que é. Embora não estejamos a debater as muitas vantagens da utilização da IA ​​para muitas das nossas atividades diárias (especialmente num contexto empresarial), a realidade é que a IA não é tão sofisticada como gostamos de pensar. O principal problema reside na abordagem subjacente dos algoritmos de IA atuais, que dependem quase inteiramente das fases de treinamento que obtiveram.

Não estou falando apenas do complicado equilíbrio que os desenvolvedores de IA precisam alcançar para evitar que seus algoritmos sejam vítimas de overfitting ou underfitting (pelo menos, não é só isso que estou sugerindo). Estou falando também da autonomia aparentemente impossível a que esses algoritmos podem aspirar (algo extremamente bem exemplificado pelo fracasso contínuo dos carros autônomos).

Por outras palavras, estes algoritmos podem parecer que estão a aprender, mas, na realidade, estão a adaptar o que “sabem” das suas sessões de formação aos novos contextos que encontram. E esse é o aspecto limitante de tudo. Por quê? Porque não há como uma equipe de desenvolvimento treinar seus algoritmos de IA com todas as situações possíveis que possam encontrar.

Isso significa que a IA não é a tecnologia do futuro, como muitos de nós dissemos no passado? Não, isso realmente não significa isso. Mas para realmente abraçar essa posição, os engenheiros de IA precisam mudar radicalmente a forma como constroem os algoritmos. Felizmente, eles estão fazendo isso na forma de computação neuromórfica.

O que é computação neuromórfica?

Computação neuromórfica (também conhecida como engenharia neuromórfica) pretende replicar a forma como o cérebro funciona através de uma série de chips interligados. Cada chip “se comporta” como um neurônio, organizando-se, comunicando-se e interagindo com os outros chips. O que os pesquisadores que trabalham com isso estão tentando alcançar é aproveitar os insights da neurociência para construir um cérebro humano artificial.

Eu sei que parece loucura, incrível, falso e até um tanto perigoso. Mas esse é o caminho que os investigadores acreditam que nos levará adiante nas nossas ambições relacionadas com a IA. O que é mais importante é que já estamos seguindo esse caminho. Liderando o caminho está a Intel com seu Chip de pesquisa Loihi e sua estrutura de código aberto recém-lançada, Lava.

Isso não quer dizer que estaremos perto de ter computadores neuromórficos tão cedo. O novo Chip Loihi 2 é o chip mais poderoso do gênero e possui “apenas” 1 milhão de “neurônios”. Para colocar isso em perspectiva, o cérebro humano tem cerca de 100 bilhões de neurônios. A Intel espera aprimorar essa arquitetura, mas entende que isso é extremamente difícil, especialmente quando se trata de desenvolver software para ela. É por isso que eles lançaram o Lava – para atrair engenheiros a criar aplicativos para Loihi.

Mesmo com esta verificação da realidade, a computação neuromórfica é uma premissa verdadeiramente excitante. Na verdade, os especialistas argumentam que esta é a única maneira pela qual podemos realmente alcançar os objetivos de IA que estabelecemos para nós mesmos.

Estou falando daqueles objetivos que vão além da mera análise de grandes conjuntos de dados, especialmente aqueles relacionados a robôs autônomos que podem pensar e aprender por si próprios. Isso ocorre porque a arquitetura neuromórfica abandona o processamento síncrono e estruturado de CPUs e GPUs para dar lugar a picos assíncronos baseados em eventos.

Isso permite que os chips neuromórficos processem informações com muito mais rapidez e com menos uso intensivo de dados, uma chave para lidar com informações ambíguas em tempo real. Na verdade, os sistemas neuromórficos serão cruciais para a próxima geração de IA, pois permitirão que os algoritmos se tornem mais aptos a lidar com a computação probabilística, o que implica dados ruidosos e incertos. A computação neuromórfica também poderia, teoricamente, ajudar na causalidade e no pensamento não linear, mas isso nada mais é do que o sonho de um engenheiro no cenário atual.

Quais são os desafios da computação neuromórfica?

Se você ainda não ouviu falar sobre computação neuromórfica, não está sozinho. Embora não seja um conceito particularmente novo, só recentemente os pesquisadores puderam começar a trabalhar em hardware que pudesse realmente dar vida ao conceito. Isso não é tudo. Como os sistemas neuromórficos funcionam de forma tão complexa, compreendê-los é um desafio, e muito menos colocá-los para funcionar.

Isso significa que o primeiro desafio da computação neuromórfica é ganhar mais visibilidade. Os engenheiros que trabalham na área de IA podem ter ouvido falar sobre isso, mas a maioria deles ainda trabalha com a abordagem tradicional de algoritmos de IA. Se a computação neuromórfica quiser ganhar massa crítica, será preciso de tantas mentes criativas pressionando por isso como possivelmente pode.

Infelizmente, esse está longe de ser o único desafio. Como você provavelmente pode imaginar, desenvolver uma réplica do cérebro humano é uma tarefa difícil. Ainda não descobrimos completamente como o cérebro funciona, então tentar construir um cérebro artificial com as peças que faltam no quebra-cabeça pode ser complicado. Embora tenhamos mais compreensão do que nunca sobre nossos cérebros, os neurobiólogos e a neurociência como um todo ainda tenho muitos mistérios para resolver.

Felizmente, os pesquisadores que constroem chips neuromórficos podem significar uma relação mutuamente benéfica entre eles e os neurobiólogos. À medida que os desenvolvedores se aprofundam na construção de seu “cérebro artificial”, os neurocientistas podem começar a verificar hipóteses e formular novas. Da mesma forma, os neurobiólogos podem informar os pesquisadores sobre novos desenvolvimentos para que possam usar novas abordagens para seus chips neuromórficos.

Outro grande desafio da computação neuromórfica é a Mudanças dramáticas isso trará consigo e remodelará radicalmente a forma como entendemos as normas de computação. Em vez de seguir o modelo de von Neumann (que separa memória e processamento), a computação neuromórfica introduzirá as suas próprias normas.

Um ótimo exemplo disso é como os computadores modernos lidam com informações visuais. Seguindo o modelo de von Neumann, os computadores hoje veem uma imagem como uma série de unidades ou quadros individuais. A computação neuromórfica jogaria fora essa noção em favor da codificação da informação como mudanças no campo visual em relação ao tempo. É um afastamento radical dos nossos padrões atuais, que forçará os engenheiros a aprenderem a pensar sob a égide desta abordagem.

Como se isso não bastasse, a computação neuromórfica precisará de novas linguagens de programação e estruturas, além de memória, armazenamento e dispositivos sensoriais mais poderosos que aproveitem ao máximo a nova arquitetura. Como a relação entre memória e processamento mudará, também mudará a integração entre os dispositivos que fazem parte desses processos. Como você pode ver, esta é uma mudança de paradigma e estamos nos estágios iniciais.

Um novo caminho a seguir

A computação neuromórfica está começando a receber certa atenção num momento em que outro caminho promissor já foi apontado como o próximo grande sucesso da IA: a computação quântica. Mas, diferentemente da computação quântica, os requisitos da computação neuromórfica não são tão exigentes. Onde os computadores quânticos precisam de temperaturas próximas do zero absoluto e demandas insanas de energia, os computadores neuromórficos podem funcionar facilmente em condições normais.

Isso naturalmente inclina a balança para a computação neuromórfica, principalmente pela praticidade e pelo potencial de integração dessa arquitetura em todos os tipos de dispositivos. Não devemos nos precipitar, no entanto. Tanto a computação quântica quanto a computação neuromórfica ainda estão longe das aplicações comerciais, então teremos que nos contentar com a IA que temos hoje.

No entanto, é compreensível se você estiver entusiasmado com a perspectiva da computação neuromórfica. Dispositivos e robôs verdadeiramente inteligentes têm o potencial de mudar completamente a forma como vivemos e, embora não estejam disponíveis num futuro próximo, a computação neuromórfica oferece-nos um novo caminho a seguir. Na verdade, os sistemas neuromórficos parecem o verdadeiro futuro da IA, pois prometem finalmente realizar todos os nossos sonhos relacionados com a IA. Só o tempo dirá se for esse o caso.

Se você gostou disso, não deixe de conferir nossos outros artigos sobre IA.

• Não está adotando IA? Você pode estar prejudicando sua produtividade
• Precisão Inigualável: Otimizando Business Analytics com IA e BI
• Três armadilhas comuns que você precisa evitar em sua estratégia de implementação de IA
• 5 problemas com IA que permanecem sem solução
• Psicometria e IA: como capacitar a aquisição de talentos