Pesquisadores chineses desenvolveram um chip capaz de realizar as duas funções neurais básicas do cérebro humano que estão no cerne da computação neuromórfica. O dispositivo combina níveis ajustáveis de condutividade elétrica, para imitar as sinapses, e disparos por picos de tensão, para imitar os neurônios, tudo em um único transístor de efeito de campo (FET) feito com semicondutor seleneto de índio (In2Se3), um material ferroelétrico.
O chip experimental apresentou alta velocidade de processamento e baixo consumo de energia, duas características essenciais da computação neuromórfica. Além disso, o dispositivo operou em temperatura ambiente e obteve taxas de precisão impressionantes, com quase 72% de precisão na classificação de expressões e mais de 95% no reconhecimento facial em uma rede neural estática.
A taxa de reconhecimento dinâmico para imagens digitais foi de quase 85%, evidenciando uma capacidade de aprendizado e eficiência mais robusta do que a rede neural estática.
Uma vantagem notável desta demonstração é que as duas funções neuromórficas foram incorporadas em um único chip, usando circuitos modulares com materiais idênticos. O professor Su-Ting Han, da Universidade Shenzhen, destacou que o método de reconfiguração utilizado é altamente eficaz e a capacidade de projetar blocos de construção personalizados oferece novas possibilidades para a criação de computadores similares ao cérebro.
O que são funções neurais?
Funções neurais são funções matemáticas que são usadas para modelar o comportamento dos neurônios biológicos. Elas são usadas em redes neurais artificiais, que são modelos computacionais que imitam o funcionamento do cérebro humano.
As funções neurais são responsáveis por introduzir a não-linearidade nas redes neurais. Isso significa que elas permitem que as redes neurais aprendam e modelem relações complexas nos dados.
Existem muitos tipos diferentes de funções neurais, cada uma com suas próprias características e aplicações. Algumas das funções neurais mais comuns incluem:
- Função degrau: é a função neural mais simples. Ela retorna um valor de 1 se a entrada for maior ou igual a um determinado valor e um valor de 0 caso contrário.
- Função sigmoide: é uma função neural não linear que é frequentemente usada em redes neurais de classificação. Ela retorna um valor entre 0 e 1, que pode ser interpretado como a probabilidade de uma determinada classe ser correta.
- Função tangente hiperbólica: é outra função neural não linear que é frequentemente usada em redes neurais de classificação. Ela retorna um valor entre -1 e 1.
- Função ReLU (função de ativação linear retificada): é uma função neural não linear que é frequentemente usada em redes neurais profundas. Ela retorna o valor máximo entre a entrada e 0.
A escolha da função neural adequada para uma determinada aplicação depende de vários fatores, incluindo o tipo de dados que serão usados, o tipo de tarefa que será realizada e as preferências do desenvolvedor.
Aqui estão alguns exemplos de como as funções neurais são usadas em inteligência artificial:
- Classificação: as funções neurais podem ser usadas para classificar dados em diferentes categorias. Por exemplo, elas podem ser usadas para classificar imagens em objetos ou para classificar texto em categorias de tópicos.
- Reconhecimento de padrões: as funções neurais podem ser usadas para identificar padrões em dados. Por exemplo, elas podem ser usadas para identificar rostos em imagens ou para identificar fraudes em transações financeiras.
- Regressão: as funções neurais podem ser usadas para prever valores futuros. Por exemplo, elas podem ser usadas para prever o preço de ações ou para prever o tempo.
As funções neurais são uma ferramenta poderosa que pode ser usada para resolver uma ampla gama de problemas em inteligência artificial.
Achou útil essa informação? Compartilhe com seus amigos! 
Deixe-nos a sua opinião aqui nos comentários.
