Que o aprendizado de máquina é uma das maiores e mais surpreendentes conquistas da tecnologia ninguém duvida – das sugestões de música do Spotify aos sistemas a bordo da cápsula Dragon Crew da SpaceX. A inteligência artificial ainda é, em certos aspectos, incrivelmente estúpida e absurdamente perdulária em termos de energia, problemas que pesquisadores das universidades Northwestern e de Hong Kong esperam contornar com a criação de um dispositivo capaz de aprender por associação.
Assim como os cães do fisiologista Ivan Pavlov foram condicionados a esperar comida ao escutar um sino (o que os fazia salivar involuntariamente), os pesquisadores condicionaram circuitos a associarem luz com pressão. O dispositivo usado é, em si, incomum: ele usa transistores sinápticos eletroquímicos orgânicos, o que o faz se assemelhar a um cérebro humano.
Ao conectar transistores sinápticos em um circuito neuromórfico, os pesquisadores demonstraram que o dispositivo pode simular o aprendizado associativo.Fonte: Northwestern University/Divulgação
"Uma pessoa pode facilmente superar os computadores atuais em tarefas complexas e não estruturadas, como reconhecimento de padrões, controle motor e integração multissensorial. Isso se deve à plasticidade das sinapses, que são o bloco de construção básico do poder computacional do cérebro. Elas permitem que o cérebro trabalhe de maneira altamente paralela, tolerante a falhas e com eficiência energética”, explicou em comunicado um dos autores do estudo, o cientista de materiais Jonathan Rivnay.
Economia de energia
O cérebro humano armazena informações e realiza tarefas ao mesmo tempo, e com o mesmo gasto de energia. Por outro lado, mesmo os mais poderosos computadores têm uma capacidade limitada de executar tarefas simultâneas. Quanto mais numerosas elas são, maior é o gasto energético. Além disso, as unidades de processamento e armazenamento dos sistemas convencionais de computação são separadas.
"Você realiza cálculos e envia essas informações para uma unidade de memória. Se pudermos juntar essas duas funções, economizaremos espaço e energia”, explicou o engenheiro biomédico especialista em eletrônica orgânica Xudong Ji, principal autor do estudo, publicado na Nature Communications.
O transistor usado na pesquisa imita a agilidade e a flexibilidade das sinapses humanas, capaz de construir “memórias” via aprendizado associativo e, com isso, aprender. O dispositivo é um passo à frente do memristor, o resistor de memória mais avançado que existe, capaz de executar funções combinadas de processamento e memória. Seu maior defeito, porém, ainda se refere ao dispêndio de energia.
O memristor desenvolvido pela Universidade de Michigan.Fonte: University of Michigan Engineering/Robert Coelius/Divulgação
Processos separados
O transistor sináptico eletroquímico orgânico é capaz de operar com menos energia, além de apresentar memória continuamente ajustável. Porém, um dos problemas iniciais permanecia: a memória continuava separada da leitura de dados. "Se você quer reter a memória, é preciso desconectá-la do processo de gravação, o que pode complicar ainda mais a integração em circuitos ou sistemas", disse Rivnay.
As sinapses cerebrais ocorrem quando os neurônios transmitem a informação através de neurotransmissores. No transistor sináptico, foi usado um material plástico com a capacidade de capturar íons – estes se comportam como a molécula sinalizadora neural, estruturando uma sinapse artificial.
“Ao reter dados armazenados de íons aprisionados, o transistor se lembra das atividades anteriores”, explicou Ji. O condicionamento para o aprendizado associativo veio através da aplicação de luz pulsada de uma lâmpada LED e, imediatamente depois, da pressão.
Depois de apenas um ciclo de treinamento, o circuito detectou a diferença entre os dois estímulos; depois do quinto ciclo, ele foi capaz de associar um estímulo ao outro – somente a luz era o bastante para disparar sinapses antes de a pressão ser exercida.
“Embora seja uma prova de conceito, nosso circuito pode ser estendido para incluir mais entradas sensoriais e integrado a outros componentes eletrônicos. Por ser compatível com ambientes biológicos, ele poderá interagir diretamente com o tecido vivo", prevîu Rivnay.
Categorias
