Neurônios artificiais que se comportam como células cerebrais reais

Ao contrário dos processadores digitais ou dos chips neuromórficos anteriores, que apenas 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 recriações tangíveis da função biológica.

Uma nova classe de hardware semelhante ao 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 difusivo”. 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, os memristores difusivos de Yang usam o movimento dos átomos, criando um processo que se assemelha mais ao modo como os neurônios biológicos transmitem informações. O resultado poderia ser chips menores e mais eficientes, que processem informações da mesma forma que o cérebro e potencialmente abrem caminho para a inteligência artificial geral (AGI).

No cérebro, os sinais elétricos e químicos impulsionam a comunicação entre as células nervosas. Quando um impulso elétrico atinge o final de um neurônio em uma junção chamada sinapse, ele se converte em um sinal químico para transmitir informações ao próximo neurônio. Uma vez recebido, esse sinal é convertido novamente em um impulso elétrico que continua através do neurônio. Yang e seus colegas replicaram esse processo complexo em seus dispositivos com incrível precisão. 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 conhecidas como íons ajudam a criar os impulsos elétricos que permitem a atividade do sistema nervoso. O cérebro humano depende de íons como potássio, sódio e cálcio para que isso aconteça.

Usando íons de prata para recriar 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 materiais de óxido para gerar pulsos elétricos que imitam as funções naturais do cérebro. Isso inclui processos fundamentais como aprendizagem, movimento e planejamento.

“Mesmo que não sejam exatamente os mesmos íons em nossas sinapses e neurônios artificiais, a física que governa o movimento e a dinâmica dos íons é muito semelhante”, diz Yang.

Yang explica: “A prata é fácil de difundir e nos dá a dinâmica que precisamos para emular o biossistema para que possamos atingir a função dos neurônios, com uma estrutura muito simples”. O novo dispositivo que pode ativar um chip semelhante ao cérebro é chamado de “memristor difusivo” por causa do movimento dos íons e da difusão dinâmica que ocorre com o uso da prata.

Ele acrescenta que a equipe optou por utilizar a dinâmica iônica para construir sistemas de inteligência artificial “porque é isso que acontece no cérebro humano, por uma boa razão e já que o cérebro humano é o ‘vencedor na evolução – o motor inteligente mais eficiente’.

“É mais eficiente”, diz Yang.

Por que a eficiência é importante em hardware de IA

Yang enfatiza que o problema da computação moderna não é a falta de energia, mas a ineficiência. “Não é que os nossos chips ou computadores não sejam suficientemente potentes para o que quer que façam. É que não são suficientemente eficientes. Consomem demasiada energia”, explica. Isto é especialmente importante dada a quantidade de energia que os actuais sistemas de inteligência artificial em grande escala consomem para processar enormes conjuntos de dados.

Yang continua explicando que, ao contrário do cérebro, “nossos sistemas de computação existentes nunca foram planejados para processar grandes quantidades de dados ou aprender por conta própria com apenas alguns exemplos. Uma forma de aumentar a eficiência energética e de aprendizagem é construir sistemas artificiais que operem de acordo com princípios observados no cérebro”.

Se você procura velocidade pura, os elétrons que executam a computação moderna seriam os melhores 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 eles 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 diz: “O cérebro aprende movendo íons através das membranas, alcançando um aprendizado adaptável e com eficiência energética diretamente no hardware, ou mais precisamente, no que as pessoas podem chamar de ‘wetware’.”

Por exemplo, uma criança pode aprender a reconhecer dígitos manuscritos depois de ver apenas alguns exemplos de cada um, enquanto um computador normalmente precisa de milhares para realizar a mesma tarefa. No entanto, o cérebro humano realiza esta aprendizagem notável consumindo apenas cerca de 20 watts de energia, em comparação com os megawatts exigidos pelos supercomputadores actuais.

Impacto potencial e próximas etapas

Yang e sua equipe veem essa tecnologia como um passo importante na replicação da inteligência natural. No entanto, ele reconhece que a prata utilizada nestas experiências ainda não é compatível com os processos padrão de fabricação de semicondutores. Trabalhos futuros irão explorar outros materiais iônicos que podem alcançar efeitos semelhantes.

Os memristores difusivos são eficientes tanto em energia quanto em tamanho. Um smartphone típico pode conter cerca de dez chips, cada um com bilhões de transistores ligando e desligando para realizar cálculos.

“Em vez disso (com esta inovação), usamos apenas um transistor para cada neurônio. Estamos projetando os blocos de construção que eventualmente nos levaram a reduzir o tamanho do chip em ordens de magnitude, reduzir o consumo de energia em ordens de magnitude, para que possa ser sustentável executar IA no futuro, com nível semelhante de inteligência sem queimar energia que não podemos sustentar”, diz Yang.

Agora que demonstramos blocos de construção compactos e capazes, sinapses artificiais e neurônios, o próximo passo é integrar um grande número deles e testar até que ponto podemos replicar a eficiência e as capacidades do cérebro. “Ainda mais emocionante”, diz Yang, “é a perspectiva de que tais sistemas fiéis ao cérebro possam nos ajudar a descobrir novos insights sobre como o próprio cérebro funciona”.