Cientistas da computa\u00e7\u00e3o finalmente demonstraram experimentalmente que a\u00a0computa\u00e7\u00e3o neurom\u00f3rfica\u00a0consome muito menos energia do que a computa\u00e7\u00e3o tradicional.<\/p>\n
A maior efici\u00eancia energ\u00e9tica sempre foi um dos principais argumentos para o desenvolvimento de arquiteturas baseadas em componentes que imitam os neur\u00f4nios e as sinapses, como os\u00a0memoristores, porque a\u00a0intelig\u00eancia artificial\u00a0\u00e9 altamente intensiva em computa\u00e7\u00e3o.<\/p>\n
Mas a compara\u00e7\u00e3o direta ainda \u00e9 complicada de ser feita porque quase todos os processadores inspirados no c\u00e9rebro constru\u00eddos at\u00e9 agora s\u00e3o experimentais e ainda bastante limitados.<\/p>\n
Agora, pesquisadores da Universidade de Tecnologia Graz, na Alemanha, conseguiram realizar o primeiro comparativo direto, rodando a mesma rede neural em um processador eletr\u00f4nico tradicional e em um processador neurom\u00f3rfico, neste caso o\u00a0processador Loihi, fabricado experimentalmente pela Intel.<\/p>\n
Os resultados mostram que, ao usar a rede neural para processar sequ\u00eancias, como frases, o processador neurom\u00f3rfico consome entre quatro e 16 vezes menos energia do que o processador eletr\u00f4nico.<\/p>\n
Segundo a equipe respons\u00e1vel pelo comparativo, ganhos de efici\u00eancia adicionais ser\u00e3o obtidos conforme for disponibilizada a pr\u00f3xima gera\u00e7\u00e3o de hardware Loihi, que melhora significativamente o desempenho da comunica\u00e7\u00e3o entre os chips.<\/p>\n
Mem\u00f3ria guardada na inatividade<\/strong><\/p>\n No comparativo, a equipe focou em algoritmos que trabalham com processos temporais. Por exemplo, o sistema tinha que responder perguntas sobre uma hist\u00f3ria previamente contada e compreender as rela\u00e7\u00f5es entre objetos ou pessoas do contexto. O hardware testado consistia em 32 chips Loihi.<\/p>\n “Estudos experimentais mostraram que o c\u00e9rebro humano pode armazenar informa\u00e7\u00e3o por um curto per\u00edodo de tempo mesmo sem atividade neural, nomeadamente nas chamadas ‘vari\u00e1veis internas’ dos neur\u00f4nios. Simula\u00e7\u00f5es sugerem que um mecanismo de fadiga de um subconjunto de neur\u00f4nios \u00e9 essencial para essa mem\u00f3ria de curto prazo,” explicou o professor Wolfgang Maass, coordenador da equipe.<\/p>\n Ainda n\u00e3o existem provas diretas desse mecanismo porque essas vari\u00e1veis internas ainda n\u00e3o podem ser medidas, mas o modelo estabelece que a rede s\u00f3 precisa testar quais neur\u00f4nios est\u00e3o atualmente fatigados para reconstruir quais informa\u00e7\u00f5es foram processadas anteriormente. Em outras palavras, as informa\u00e7\u00f5es anteriores s\u00e3o armazenadas na inatividade dos neur\u00f4nios, e a inatividade consome menos energia.<\/p>\n Para fazer isso, a equipe desenvolveu um sistema que vincula dois tipos de redes de aprendizado profundo: As redes neurais de retroalimenta\u00e7\u00e3o s\u00e3o respons\u00e1veis pela “mem\u00f3ria de curto prazo” – v\u00e1rios desses chamados m\u00f3dulos recorrentes filtram poss\u00edveis informa\u00e7\u00f5es relevantes do sinal de entrada e as armazenam; e uma rede de alimenta\u00e7\u00e3o positiva determina ent\u00e3o quais das rela\u00e7\u00f5es encontradas s\u00e3o importantes para resolver a tarefa em quest\u00e3o.<\/p>\n As rela\u00e7\u00f5es sem sentido s\u00e3o eliminadas, de modo que os neur\u00f4nios s\u00f3 disparam nos m\u00f3dulos onde foram encontradas informa\u00e7\u00f5es relevantes. Este processo, em \u00faltima an\u00e1lise, tamb\u00e9m leva \u00e0 economia de energia.<\/p>\n “Espera-se que as estruturas neurais recorrentes forne\u00e7am os maiores ganhos para aplicativos executados em hardware neurom\u00f3rfico no futuro,” disse Mike Davies, membro da equipe. “Hardware neurom\u00f3rfico, como o Loihi, \u00e9 especialmente adequado para facilitar os padr\u00f5es r\u00e1pidos, esparsos e imprevis\u00edveis de atividade de rede que observamos no c\u00e9rebro, e precisamos dos aplicativos de IA mais eficientes em termos de energia.”<\/p>\n Todo o trabalho foi realizado em conjunto com a equipe respons\u00e1vel pelo\u00a0Projeto C\u00e9rebro Humano, que re\u00fane pesquisadores das \u00e1reas de neuroci\u00eancia, medicina e tecnologias inspiradas no c\u00e9rebro.<\/p>\n