.
do mundo supercomputador mais rápido requer 21 milhões de watts de potência. Nossos cérebros, em comparação, funcionam com apenas 20 watts – aproximadamente a energia necessária para uma lâmpada.
Durante décadas, os engenheiros ficaram fascinados com a forma como nossos cérebros computam. Claro, os computadores vão nos superar em sua capacidade de cálculos matemáticos. Mas eles lutam com tarefas que o cérebro humano parece lidar sem esforço.
Por que é que?
Computação como o cérebro
Justin Kinney, neurocientista, bioengenheiro e tecnólogo em P&D da Western Digital, explicou: “Ninguém realmente entende como o cérebro funciona”.
Kinney saberia. Ele passou grande parte de sua carreira tentando desvendar os segredos do cérebro. Engenheiro que se tornou neurocientista, Kinney esperava ingressar na comunidade de neurocientistas, aprender o que eles já sabiam e depois aplicá-lo à computação.
“Para minha consternação, descobri que os neurocientistas realmente não entendem o cérebro. Ninguém faz. E isso porque há poucos dados”, disse ele.
O cérebro é considerado uma das estruturas conhecidas mais complexas do universo. Possui bilhões de neurônios, trilhões de conexões e vários níveis, desde celular até molecular e sináptico. Mas o maior desafio é que o cérebro é de difícil acesso.
“O cérebro está envolto em um osso grosso”, disse Kinney, “e se você tentar acessá-lo, cutucá-lo ou cutucá-lo, ele ficará muito perturbado e sofrerá uma hemorragia, e neurônios delicados morrerão”.
No entanto, Kinney disse que o progresso está sendo feito em várias frentes, particularmente no campo de registro da atividade cerebral, o que é uma boa notícia para aqueles que tentam construir computadores semelhantes ao cérebro.
“O que aprendemos é que existem semelhanças nos princípios de computação quando se trata de como os neurônios se comunicam e como usamos eletrônicos e circuitos para realizar tarefas funcionais e manipular informações digitais”, disse Kinney.
“Em última análise, gostaríamos de construir hardware de computação de última geração utilizando todos os truques do cérebro para computação, memória e armazenamento eficientes.”
Computação neuromórfica
O Dr. Jason Eshraghian é professor assistente no Departamento de Engenharia Elétrica e de Computação da Universidade da Califórnia, Santa Cruz (UCSC) e lidera o Grupo de Computação Neuromórfica da universidade.
A computação neuromórfica é um campo emergente com foco na criação de circuitos eletrônicos, algoritmos e sistemas inspirados na estrutura neural do cérebro e seus mecanismos de processamento de informações.
Eshraghian enfatiza que seu objetivo não é replicar a inteligência biológica. “Meu objetivo não é copiar o cérebro”, disse ele. “Meu objetivo é ser útil. Estou tentando descobrir o que há de útil no cérebro e o que entendemos o suficiente para mapear em um circuito.”
Uma área que tem sido um foco particular para Eshraghian é o mecanismo de pico de neurônios. Ao contrário da atividade constante de modelos de IA como o ChatGPT, os neurônios do cérebro geralmente são bastante silenciosos. Eles só atiram quando há algo que valha a pena atirar.
Eshraghian perguntou: “Quantas vezes você pediu ao ChatGPT para traduzir algo para farsi ou turco? Há uma grande parte do ChatGPT que eu pessoalmente nunca usarei, então é como dizer, bem, por que eu quero isso? Por que isso deveria estar ativo? Talvez, em vez disso, possamos focar na parte do circuito que importa e deixar isso ativar por um breve instante no tempo.”
Em seu caminho em direção à computação semelhante ao cérebro, Eshraghian adota outro truque do cérebro: a dimensão do tempo – ou a dimensão temporal. “Há muita discussão sobre como o cérebro pega informações analógicas do mundo ao nosso redor, as converte em picos e as passa para o cérebro”, disse ele. “O temporal parece ser o mecanismo dominante, o que significa que a informação é armazenada no tempo de um único pico – seja algo mais rápido ou mais lento”.
Eshraghian acredita que aproveitar a dimensão temporal terá profundas implicações, especialmente para chips semicondutores. Ele argumenta que, eventualmente, vamos esgotar as possibilidades de escala vertical 3D. “Então o que mais você faz?” ele perguntou. “O que eu acredito é que então você tem que ir para a quarta dimensão. E isso é tempo.”
Hardware semelhante ao cérebro
Com base em mecanismos de pico e temporais, Eshraghian e sua equipe desenvolveram SpikeGPT, a maior rede neural de pico para geração de linguagem. A rede neural consome impressionantemente 22 vezes menos energia do que outros grandes modelos de linguagem de aprendizado profundo. Mas Eshraghian enfatiza que novos circuitos e hardware serão vitais para liberar todo o seu potencial.
“O que define o software do cérebro?” ele perguntou. “A resposta é o substrato físico do próprio cérebro. O código neural é o hardware neural. E se conseguirmos imitar esse conceito e construir um hardware de computação que descreva perfeitamente os processos de software, poderemos executar modelos de IA com muito menos energia e com custos muito menores.”
Desde o início da era da informação, a maioria dos computadores foi construída na arquitetura von Neumann. Nesse modelo, a memória e a CPU são separadas, de modo que os dados circulam constantemente entre o processador e a memória, gastando energia e tempo.
Mas não é assim que o cérebro funciona. O cérebro é um dispositivo incrivelmente eficiente porque os neurônios têm a memória e o cálculo no mesmo lugar.
Agora, uma classe de memórias emergentes – RAM resistiva, memórias magnéticas como MRAM e até mesmo memórias feitas de cerâmica – estão mostrando potencial para esse tipo de computação neuromórfica ao executar as multiplicações e adições básicas na própria memória.
A ideia não é exagerada. Colaborações recentes, como a colaboração da Western Digital com o Instituto Nacional de Padrões e Tecnologia dos EUA (NIST), demonstraram com sucesso o potencial dessas tecnologias para reduzir o problema de energia da IA.
Os engenheiros esperam que, no futuro, possam usar a incrível densidade da tecnologia de memória para armazenar 100 bilhões de parâmetros de IA em uma única matriz ou em um único SSD e realizar cálculos na própria memória. Se bem-sucedido, esse modelo catapultaria a IA de data centers massivos e sedentos de energia para a palma de nossas mãos.
Melhor que o cérebro
A computação neuromórfica é uma meta ambiciosa. Embora a indústria tenha mais de 70 anos de experiência na computação de números digitais rígidos por meio de CPUs, as memórias são diferentes: confusas, suaves, analógicas e barulhentas. Mas os avanços no design de circuitos, algoritmos e arquiteturas, como os produzidos pelos engenheiros e cientistas da Western Digital, estão mostrando um progresso que está indo muito além da pesquisa apenas.
Para o Dr. Eshraghian, estabelecer o Grupo de Computação Neuromórfica na UCSC é indicativo da mudança do campo de atividades exploratórias para atividades práticas, ultrapassando os limites do que é possível.
“Embora digamos que o cérebro é o padrão de ouro e o projeto perfeito da inteligência, os projetistas de circuitos não estão necessariamente sujeitos às mesmas restrições do cérebro”, disse Eshraghian. “Os processadores podem rodar a velocidades de clock de gigahertz, mas nosso cérebro derreteria se os neurônios disparassem tão rápido. Portanto, há muito espaço para simplesmente ultrapassar o que o cérebro pode fazer.”
Kinney, da Western Digital, concorda. “Nós teorizamos que alguns dos detalhes dos cérebros podem ser artefatos da evolução e o fato de que o cérebro tem que se construir. Considerando que os sistemas que projetamos, eles ainda não têm essa restrição”, disse ele.
Kinney espera que, ao explorar funções de computação por meio de materiais que podemos acessar – silício, metal e até mesmo organoides cerebrais em um prato – possamos descobrir coincidentemente o que acontece no cérebro.
“Acredito que a questão da eficiência de energia nos ajudará a desvendar os segredos do cérebro, então vamos perseguir essa questão”, disse ele.
“Como o cérebro faz tanto com tão pouco?”
.
