O Instituto Avançado de Ciência e Tecnologia da Coréia (KAIST) anunciou em janeiro de 2024 o desenvolvimento de um memristor de auto-aprendizado, um componente projetado para replicar a função das sinapses no cérebro humano. De acordo com o presidente da Kaist, Kwang Hyung Lee, o novo dispositivo pode corrigir seus próprios erros e melhorar seu desempenho ao longo do tempo, abordando desafios anteriores nos sistemas neuromórficos. A pesquisa, publicada na revista Nature Electronicsdescreve os recursos do Memristor. Os pesquisadores relatam que o chip pode, por exemplo, aprender a separar uma imagem em movimento de seus antecedentes durante o processamento de vídeo e aumentar progressivamente sua capacidade de executar essa tarefa. Esse avanço pode permitir que tarefas complexas de IA sejam executadas localmente em dispositivos, em vez de depender de servidores em nuvem remotos, o que aumentaria a privacidade e a eficiência energética. “Este sistema é como um espaço de trabalho inteligente, onde tudo está ao alcance do braço, em vez de ter que ir e voltar entre as mesas e os armários de arquivos”, disse os pesquisadores da Kaist Hakcheon Jeong e Seungjae Han em comunicado à imprensa. “Isso é semelhante à maneira como nosso cérebro processa informações, onde tudo é processado com eficiência de uma só vez em um local”. O memristor, um termo derivado de “memória” e “resistor”, é considerado um elemento fundamental para a computação neuromórfica ou semelhante ao cérebro. O conceito foi teorizado pela primeira vez em 1971 pelo engenheiro elétrico americano e cientista da computação Leon Chua. Ele propôs que um quarto componente elétrico fundamental deve existir ao lado do resistor, capacitor e indutor. Chua imaginou o Memristor como um componente de memória não volátil capaz de armazenar informações, mesmo quando desligado. Embora a teoria existisse por décadas, os pesquisadores não descobriram experimentalmente memristores até 2008. Esse avanço provocou esforços científicos globais para melhorar suas capacidades. A capacidade de um memristor de executar o armazenamento de dados e a computação simultaneamente o torna um substituto eficaz para uma sinapse artificial em uma rede neural de IA, imitando como o cérebro humano funciona. Um objetivo principal deste campo de pesquisa é construir computadores que possam operar com a eficiência e o poder do cérebro humano. O cérebro pode realizar um bilhão de bilhões (10^18) operações matemáticas por segundo, usando apenas 20 watts de poder. Atingir esse nível de hipereficiência é um requisito essencial para o desenvolvimento de um cérebro de IA neuromórfico prático. Em um desenvolvimento relacionado este ano, Kaist também criou o primeiro chip de supercondutor de IA. Este chip foi projetado para operação de alta velocidade com consumo mínimo de energia, imitando ainda mais a eficiência do cérebro. Essas melhorias tecnológicas são vistas como etapas incrementais para criar um “cérebro no chip”. Essa tecnologia pode avançar significativamente na IA e acelerar potencialmente o progresso em direção à singularidade, um ponto futuro teórico em que a inteligência artificial supera a inteligência humana. No entanto, o artigo observa que “inteligência” é um assunto complexo. A capacidade da IA de realizar certos cálculos semelhantes ao cérebro humano não significa que ele pode replicar todas as diversas funções do cérebro. Alguns cientistas especulam que essas máquinas podem evoluir para “mentes alienígenas”, possuindo construções neurais que são inteligentes de uma maneira que é fundamentalmente diferente da cognição humana. No momento, o cérebro humano continua sendo o padrão para a computação hiper-eficiente. Através de avanços contínuos com componentes como os Memristores, a IA pode eventualmente desafiar essa posição.
Source: Kaist desenvolve memristor de auto-aprendizagem para chips de IA
