Cientistas da Escola de Engenharia e da Escola de Computação Avançada da USC Viterbi criaram neurônios artificiais que recriam o complexo comportamento eletroquímico de células cerebrais reais. As descobertas foram publicadas em eletrônica naturalmarca um marco importante na computação neuromórfica, um campo onde o hardware é projetado para imitar o cérebro humano. Este avanço poderia reduzir o tamanho dos chips em ordens de grandeza, reduzir drasticamente o consumo de energia e levar a inteligência artificial mais perto de alcançar a inteligência artificial geral.
Ao contrário dos processadores digitais ou dos primeiros chips neuromórficos que simplesmente simulavam a atividade cerebral através de modelos matemáticos, estes novos neurónios reproduzem fisicamente o funcionamento dos neurónios reais. Tal como a actividade cerebral natural é desencadeada por sinais químicos, estas versões artificiais utilizam interacções químicas reais para iniciar processos computacionais. Isto significa que não são apenas representações simbólicas, mas representações tangíveis de funções biológicas.
Novo hardware inspirado no cérebro
A pesquisa, liderada pelo professor Joshua Yang, do Departamento de Computação e Engenharia Elétrica da USC, baseia-se em seu trabalho pioneiro anterior em sinapses artificiais, há mais de uma década. A nova abordagem da equipe centra-se em um dispositivo chamado “memristor difuso”. Suas descobertas descrevem como esses componentes podem levar a uma nova geração de chips que complementam e aprimoram a eletrônica tradicional baseada em silício. Enquanto os sistemas de silício dependem de elétrons para realizar cálculos, o memristor de difusão de Yang usa o movimento dos átomos, criando um processo mais semelhante ao modo como os neurônios biológicos transmitem informações. O resultado poderia ser chips menores e mais eficientes, capazes de processar informações como um cérebro, potencialmente abrindo caminho para a inteligência artificial geral (AGI).
No cérebro, sinais elétricos e químicos impulsionam a comunicação entre as células nervosas. Quando um impulso elétrico atinge uma conexão no final de um neurônio chamada sinapse, ele é convertido em um sinal químico que transmite a informação ao próximo neurônio. Uma vez recebido, o sinal é convertido novamente em impulso elétrico e continua através do neurônio. Yang e seus colegas replicaram esse processo complexo com precisão impressionante em seu dispositivo. Uma grande vantagem de seu projeto é que cada neurônio artificial cabe no espaço de um único transistor, enquanto os projetos mais antigos exigiam dezenas ou até centenas.
Nos neurônios biológicos, partículas carregadas chamadas íons ajudam a gerar impulsos elétricos que promovem a atividade do sistema nervoso. O cérebro humano depende de íons como potássio, sódio e cálcio para conseguir isso.
Usando íons de prata para reconstruir a dinâmica cerebral
No novo estudo, Yang, que também dirige o Centro de Excelência em Computação Neuromórfica da USC, usou íons de prata incorporados em um material de óxido para gerar pulsos elétricos que imitam a função natural do cérebro. Isso inclui processos básicos como aprendizagem, movimento e planejamento.
“Embora os íons em nossas sinapses e neurônios artificiais não sejam exatamente os mesmos, a física que governa o movimento e a dinâmica dos íons é muito semelhante”, disse Yang.
“A prata se difunde facilmente e nos dá o poder que precisamos para simular sistemas biológicos para que possamos implementar as funções dos neurônios em estruturas muito simples”, explica Yang. O novo dispositivo que permite chips semelhantes aos do cérebro é chamado de “memristor de difusão” porque o uso de prata cria movimento de íons e difusão dinâmica.
Ele acrescentou que a equipe optou por usar a dinâmica iônica para construir o sistema de inteligência artificial “porque é isso que acontece no cérebro humano, e por uma boa razão, porque o cérebro humano é o vencedor da evolução – o motor de inteligência mais eficiente”.
“É mais eficiente”, disse Yang.
Por que a eficiência é importante para hardware de IA
Yang enfatizou que o problema da computação moderna não é a falta de capacidade, mas sim a ineficiência. “Não é que nossos chips ou computadores não sejam poderosos o suficiente para fazer o que fazem. É que não são eficientes o suficiente. Eles consomem muita energia”, explicou ele. Isto é especialmente importante dada a quantidade de energia que os atuais sistemas de IA em grande escala consomem no processamento de enormes conjuntos de dados.
Yang continuou explicando que, ao contrário do cérebro, “nossos sistemas de computação existentes nunca foram projetados para processar grandes quantidades de dados ou aprender com apenas alguns exemplos. Uma maneira de aumentar a energia e a eficiência do aprendizado é construir sistemas artificiais que operem com base em princípios observados no cérebro”.
Se você procura velocidade absoluta, os eletrônicos que executam a computação moderna serão sua melhor escolha para operações rápidas. Mas, explica ele, “os íons são um meio melhor do que os elétrons para incorporar os princípios do cérebro. Como os elétrons são leves e voláteis, a computação com íons permite o aprendizado baseado em software, em vez do aprendizado baseado em hardware, que é fundamentalmente diferente de como o cérebro funciona.”
Em contraste, ele disse: “O cérebro aprende movendo íons através das membranas, permitindo um aprendizado adaptável e com eficiência energética diretamente no hardware, ou mais precisamente, no que se chama de ‘software úmido'”.
Por exemplo, as crianças pequenas podem aprender a reconhecer dígitos manuscritos depois de ver apenas alguns exemplos deles, enquanto os computadores normalmente requerem milhares de dígitos para realizar a mesma tarefa. No entanto, o cérebro humano consome apenas cerca de 20 watts de energia para realizar esta aprendizagem extraordinária, em comparação com os megawatts de energia exigidos pelos supercomputadores actuais.
Impacto potencial e próximas etapas
Yang e sua equipe acreditam que esta tecnologia é um passo importante para replicar a inteligência natural. No entanto, ele reconheceu que a prata utilizada nestas experiências ainda não estava em conformidade com os processos padrão de fabricação de semicondutores. Trabalhos futuros irão explorar outros materiais iônicos que podem alcançar efeitos semelhantes.
Memristores difusos são eficientes em termos de energia e tamanho. Um smartphone típico pode conter cerca de dez chips, cada um com bilhões de transistores chaveadores para realizar cálculos.
“Em vez disso (com esta inovação), estamos usando apenas a pegada de um transistor por neurônio. Os blocos de construção que estamos projetando, em última análise, nos permitem reduzir o tamanho do chip em várias ordens de grandeza e reduzir o consumo de energia em várias ordens de grandeza, para que a inteligência artificial possa ser executada de forma sustentável no futuro, com um nível semelhante de inteligência, sem consumir mais energia do que podemos sustentar”, disse Yang.
Agora que demonstramos blocos de construção compactos e poderosos, sinapses artificiais e neurônios, o próximo passo é integrar um grande número deles e testar até que ponto podemos replicar bem a eficiência e as capacidades do cérebro. “O que é ainda mais emocionante”, disse Yang, “é que este sistema fiel ao cérebro pode nos ajudar a descobrir novos insights sobre como o próprio cérebro funciona”.
