Computação neuromórfica pode tornar IA capaz de autoaprendizagem

Para que aplicações de inteligência artificial, como o ChatGPT ou o Bard, sejam eficazes, elas normalmente requerem um longo processo de treinamento com grandes demandas computacionais e alto consumo de energia. No entanto, Víctor López-Pastor e Florian Marquardt, pesquisadores do Instituto Max Planck, na Alemanha, introduziram uma técnica inovadora que permite o treinamento de inteligência artificial de forma mais eficiente e em menos tempo. Em vez de depender das redes neurais artificiais digitais convencionais, essa nova abordagem utiliza processos físicos, criando o conceito de “máquina física de autoaprendizagem”.

Essa abordagem elimina a necessidade de feedback externo para ajustar as conexões sinápticas, tornando o treinamento mais eficaz e independente do processo físico específico da máquina de autoaprendizagem.

Conceito inovador de autoaprendizagem: A analogia entre um aparelho híbrido de sinuca e ábaco ajuda a explicar o mecanismo de treinamento de inteligência artificial proposto. Na representação, a bola azul, carregada positivamente, simboliza o conjunto de dados de treinamento. Enquanto se move pela mesa, ela interage com a bola vermelha, também carregada positivamente e livre para se mover em um eixo, semelhante a um ábaco. A interação entre as bolas altera suas trajetórias e posições, representando a decisão da inteligência artificial. Após a correção, a bola azul retorna, ajustando a posição da bola vermelha. Esse processo adapta a “sinapse”, representada pela bola vermelha, permitindo que a máquina aprenda. Embora essa representação simplificada não seja viável em escala real, a equipe está explorando hardware apropriado para aplicar esse conceito de forma eficaz.

Processador Neuromórfico de Luz: A chave para o autoaprendizado eficiente da inteligência artificial reside em processos físicos reversíveis e não-lineares, que podem ser comparados a complexas interações de luz. Pesquisadores já estão explorando a possibilidade de utilizar processadores neuromórficos ópticos para implementar uma máquina física de autoaprendizagem, com o objetivo de superar os desafios atuais da inteligência artificial em relação à computação e consumo de energia. A equipe espera apresentar um protótipo funcional dessa máquina inovadora nos próximos três anos, abrindo caminho para avanços significativos na IA.

Achou útil essa informação? Compartilhe com seus amigos! 

Deixe-nos a sua opinião aqui nos comentários.