Rede Neural Física: Aprendizado e Memória em Tempo Real sem Armazenamento

Há alguns anos, a equipe da professora Zdenka Kuncic, da Universidade de Sydney, Austrália, tem explorado como redes de nanofios aparentemente caóticas podem ser usadas como hardware de rede neural, imitando o aprendizado e a memória do cérebro humano. Agora, pela primeira vez, eles demonstraram que uma rede neural física é capaz de aprender e lembrar “em tempo de voo,” em um processo inspirado na funcionalidade dos neurônios cerebrais.

Esse avanço tem o potencial de viabilizar o desenvolvimento de sistemas de inteligência artificial eficazes e energeticamente eficientes, capazes de lidar com tarefas de aprendizado e memória complexas do mundo real. Isso significa a criação de uma inteligência artificial em hardware que não requer o consumo maciço de eletricidade associado à inteligência artificial em software. Conforme destacou o pesquisador Ruomin Zhu, responsável pelos experimentos, esses resultados evidenciam como as funções de aprendizado e memória inspiradas no cérebro, implementadas por meio de redes de nanofios, podem ser utilizadas para processar dados dinâmicos e contínuos.

As redes de nanofios consistem em fios minúsculos com diâmetros da ordem de bilionésimos de metro, dispostos em padrões organizados, semelhantes às redes neurais especializadas encontradas no cérebro humano. Essas redes artificiais, chamadas memoristores, são capazes de desempenhar funções de memória e aprendizado, respondendo a mudanças na resistência eletrônica em suas junções. Essa capacidade, conhecida como “comutação de memória resistiva,” espelha o processo de sinapses cerebrais.

Nesse experimento recente, os pesquisadores utilizaram a rede de nanofios para reconhecer e recordar sequências de impulsos elétricos associados a imagens, sem depender do armazenamento prévio das imagens, como é comum na inteligência artificial tradicional. Isso é especialmente relevante para aplicações em tempo real, como sensores, onde a adaptação contínua é necessária. Conforme afirmou Ruomin Zhu, um dos pesquisadores responsáveis pelo estudo, as redes neurais artificiais convencionais não são otimizadas para esse tipo de tarefa, que exige aprendizado em tempo real.

A rede neural de nanofios demonstrou uma notável capacidade de aprendizado de 93,4% na identificação precisa de imagens de teste, incluindo a tarefa de memória para recordar sequências de até oito dígitos. Esses testes destacaram a eficiência da aprendizagem em tempo real sem depender do armazenamento de dados, um avanço significativo na lida com grandes volumes de dados em constante mudança, sem o alto consumo de energia associado ao armazenamento convencional.

Achou útil essa informação? Compartilhe com seus amigos! 

Deixe-nos a sua opinião aqui nos comentários.