Computação Neuromorphic Breakthrough pode perturbar AI

Os cientistas criam um transistor orgânico parecido com o cérebro que pode aprender e evoluir.

Fonte: geralt / pixabay

O cérebro humano é um sistema cognitivo notavelmente complexo, mas eficiente no uso de energia. Cientistas e pesquisadores consideram a arquitetura do cérebro como fonte de inspiração para inteligência artificial (IA), aprendizado de máquina e aprendizado profundo. Conceitos sobre redes neurais artificiais (RNAs) são um pouco análogos ao cérebro, com nós artificiais em vez de neurônios. A computação neuromórfica é um esforço interdisciplinar que se baseia em física, matemática, engenharia eletrônica, biologia, ciência da computação e neurociência, a fim de criar sistemas neurais artificiais que se assemelham à arquitetura do cérebro. Uma equipe de cientistas da Universidade de Linköping, na Suécia, recentemente fez um avanço na computação neuromórfica ao projetar um novo transistor de aprendizagem. Eles publicaram suas descobertas ontem na Advanced Science .

O aprendizado de máquina hoje é realizado em circuitos pré-fabricados. O cérebro, ao contrário, é capaz de formar novas conexões onde não houve conexões anteriores. A equipe de pesquisa de Simone Fabiano, Jennifer Y. Gerasimov, Roger Gabrielsson, Robert Forchheimer, Eleni Stavrinidou, Daniel T. Simon e Magnus Berggren criaram um transistor eletroquímico orgânico (OECT) que pode aprender, formar novas conexões entre uma entrada e uma saída, e possui memória de curto e longo prazo.

• Você procura o negativo mesmo quando as coisas boas acontecem?
• Vivendo em tempos incertos
• As realidades em mudança do que significa liderar
• Quem você pensa que é?
• Cansado de estudos de pesquisa que lhe dizem para exercitar?

Um transistor eletroquímico orgânico pode amplificar ou mudar os sinais de elétrons e energia através da injeção de íons de uma solução eletricamente condutora (eletrólito) em um canal semicondutor. Os transistores eletroquímicos orgânicos atuais usam tipicamente um polímero condutor chamado PEDOT. Roger Gabrielsson, membro da equipe de pesquisa do Laboratório de Eletrônica Orgânica da Universidade de Linköping, desenvolveu um monômero chamado ETE-S.

Quando os sinais de entrada são manipulados, “a força da resposta do transistor a um determinado estímulo pode ser modulada dentro de uma faixa que abrange várias ordens de magnitude”, escreveram os pesquisadores. Assim, o transistor eletroquímico orgânico da equipe foi capaz de se comportar de maneira similar à neuroplasticidade cerebral de curto e longo prazo. A neuroplasticidade é a capacidade do cérebro de se reorganizar formando novas conexões neurais.

De acordo com Simone Fabiano, pesquisadora principal em nanoeletrônica orgânica no Laboratório de Eletrônica Orgânica, Campus Norrköping, “é a primeira vez que a formação em tempo real de novos componentes eletrônicos é mostrada em dispositivos neuromórficos”.

• 8 grandes livros de amnésia
• Palavras do cérebro: uma solução para o problema da leitura na América
• Como ser alegre quando as finanças são inseguras
• Robo-Envy: Desejando que as pessoas fossem computadores
• 6 sinais é hora de procurar ajuda para sua ansiedade

Fabiano afirma que o novo transistor eletroquímico orgânico da equipe de pesquisa pode “realizar o trabalho de milhares de transistores normais com um consumo de energia que se aproxima da energia consumida quando um cérebro humano transmite sinais entre duas células”.

Essa tecnologia inovadora pode ser útil para o aprendizado profundo, um subconjunto do aprendizado de máquina de IA que consiste em uma rede neural artificial com mais de duas camadas. A aprendizagem profunda é intensiva em recursos porque contém muitas camadas de processamento neural, com cada camada consistindo de muitos nós (neurônios artificiais) – exigindo recursos massivos para computação e memória. Isso explica por que a ascensão da GPU (Unidades de Processamento Gráfico) para a computação geral, com suas capacidades de processamento massivamente paralelas (versus processamento serial), acelerou o aumento do aprendizado profundo. Com maiores capacidades de processamento, surgiram avanços nas capacidades de reconhecimento de padrões de aprendizado profundo. Avanços no aprendizado profundo são a base do renascimento da IA.

O mercado mundial de computação neuromórfica deve atingir US $ 6,48 bilhões até 2024, de acordo com o relatório da Grand View Research de abril de 2018. Os chips neuromórficos são usados ​​em eletrônicos de consumo, robótica, carros e outros produtos. Este novo transistor anunciará um futuro onde o aprendizado de máquinas com inteligência artificial é baseado em eletrônica orgânica evolutiva?

Copyright © 2019 Cami Rosso Todos os direitos reservados.

Referências

Universidade de Linköping. “O transistor de aprendizagem imita o cérebro: um transistor eletroquímico orgânico evolutivo para aplicações neuromórficas.” ScienceDaily . 5 de fevereiro de 2019.