Ao contrário dos processadores digitais ou dos chips neuromórficos anteriores que apenas simulam a atividade cerebral através de modelos matemáticos, esses novos neurônios reproduzem fisicamente como neurônios reais operam. Assim como a atividade cerebral natural é desencadeada por sinais químicos, essas versões artificiais utilizam interações químicas reais para iniciar processos computacionais. Isso significa que eles 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 Engenharia de Computação e Elétrica da USC, baseia-se em seu trabalho pioneiro anterior sobre sinapses artificiais há mais de uma década. A nova abordagem da equipe centra-se em um dispositivo chamado “memristor difusivo”. Nossas 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 utilizam o movimento de átomos, criando um processo que se assemelha mais à forma como os neurônios biológicos transmitem informações. O resultado pode ser chips menores e mais eficientes que processam informações da mesma maneira que o cérebro e, potencialmente, pavimentam o caminho para a inteligência geral artificial (AGI).

No cérebro, tanto os sinais elétricos quanto os químicos impulsionam a comunicação entre as células nervosas. Quando um impulso elétrico atinge a extremidade 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 precisão impressionante. Uma grande vantagem de seu design é que cada neurônio artificial se encaixa na área de uma única transistor, enquanto designs mais antigos exigiam dezenas ou até centenas.

Nos neurônios biológicos, partículas carregadas conhecidas como íons ajudam a criar os impulsos elétricos que possibilitam a atividade no sistema nervoso. O cérebro humano depende de íons como potássio, sódio e cálcio para fazer isso.

Usando Íons de Prata para Recriar Dinâmicas Cerebrais

No novo estudo, Yang – que também dirige o Centro de Excelência em Computação Neuromórfica da USC – utilizou íons de prata incorporados em materiais óxidos para gerar pulsos elétricos que imitam funções cerebrais naturais. Esses processos fundamentais incluem aprendizado, movimento e planejamento.

“Embora não sejam exatamente os mesmos íons em nossas sinapses e neurônios artificiais, a física que governa o movimento dos íons e as dinâmicas são muito similares”, afirma Yang.

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

Ele acrescenta que a equipe optou por utilizar dinâmicas iônicas para construir sistemas inteligentes artificiais “porque é assim que acontece no cérebro humano, por um bom motivo e uma vez que o cérebro humano é o ‘vencedor da evolução – o motor inteligente mais eficiente’.

“É mais eficiente”, diz Yang.

Por Que a Eficiência é Importante no Hardware de IA

Yang enfatiza que o problema com a computação moderna não é a falta de poder, mas a ineficiência. “Não é que nossos chips ou computadores não sejam poderosos o suficiente para o que estão fazendo. É que eles não são suficientemente eficientes. Eles usam muita energia”, explica. Isso é especialmente importante, dado o quanto os sistemas de inteligência artificial em larga escala de hoje consomem para processar grandes conjuntos de dados.

Yang continua explicando que, ao contrário do cérebro, “Nossos sistemas de computação existentes nunca foram destinados a processar enormes quantidades de dados ou a aprender a partir de apenas alguns exemplos por conta própria. Uma maneira de aumentar tanto a energia quanto a eficiência de aprendizado é construir sistemas artificiais que funcionem de acordo com princípios observados no cérebro.”

Se você está procurando por pura velocidade, os elétrons que operam na computação moderna seriam os melhores para operações rápidas. Mas, ele explica: “Os íons são um meio melhor do que os elétrons para incorporar os princípios do cérebro. Porque os elétrons são leves e voláteis, computar com eles permite o aprendizado baseado em software, em vez de aprendizado baseado em hardware, que é fundamentalmente diferente de como o cérebro opera.”

Em contraste, ele diz: “O cérebro aprende movendo íons através de membranas, alcançando um aprendizado adaptativo e eficiente em energia diretamente no hardware, ou mais precisamente, em que as pessoas podem chamar de ‘wetware’.”

Por exemplo, uma criança pequena pode aprender a reconhecer dígitos manuscritos após ver apenas alguns exemplos de cada um, enquanto um computador geralmente precisa de milhares para alcançar a mesma tarefa. No entanto, o cérebro humano realiza esse aprendizado notável enquanto consome apenas cerca de 20 watts de energia, em comparação com os megawatts exigidos pelos supercomputadores de hoje.

Impacto Potencial e Próximos Passos

Yang e sua equipe veem essa tecnologia como um grande passo em direção à replicação da inteligência natural. No entanto, ele reconhece que a prata usada nesses experimentos ainda não é compatível com os processos de fabricação de semicondutores padrão. Trabalhos futuros explorarão outros materiais iônicos que podem alcançar efeitos similares.

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 essa inovação], usamos apenas a área de um transistor para cada neurônio. Estamos projetando os blocos de construção que eventualmente nos levam a reduzir bastante o tamanho do chip, reduzindo o consumo de energia em ordens de magnitude, para que possa ser sustentável realizar IA no futuro, com um nível de inteligência similar, sem consumir uma quantidade de energia que não podemos sustentar”, diz Yang.

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