Quem é mais rápido: o seu cérebro ou um supercomputador? A resposta pode deixar você surpreso. No ano passado, o mundo acompanhou uma façanha feita com o Sequoia, o segundo supercomputador mais rápido do mundo, feito pela IBM.

O equipamento rodou um sistema que simulava o cérebro humano (com 530 bilhões de neurônios), em uma demonstração da velocidade da máquina, que consegue fazer impressionantes 16 quatrilhões de cálculos de ponto flutuante em apenas um segundo.

Mesmo assim, esse valor ainda não alcança todo o potencial do cérebro humano. O fato surpreendente (e a resposta para a pergunta no início do texto) é que o cérebro humano é, na verdade, muito mais lento do que um supercomputador. O grande segredo está na forma como o cérebro trabalha e é esse o mistério que está sendo desvendado pelos pesquisadores.

O que acontece dentro de nossas cabeças é uma forma diferente de organizar informações, com redes de neurônios trabalhando ao mesmo tempo, a fim de resolver milhares de problemas de forma simultânea.

Isso potencializa o funcionamento do cérebro, fazendo com que ainda não tenhamos hoje um computador que consiga superar as nossas próprias mentes, mas será que isso pode se tornar realidade?

A máquina que imita a mente

Ao analisar estes fatores, Sam Fok, Alex Neckar e Kwabena Boahen – estudantes da Universidade de Stanford, nos Estados Unidos – resolveram criar um equipamento que não tenta simular o cérebro ao trazer uma velocidade impressionante, mas sim tenta imitar a mente humana em seu funcionamento.

​

O projeto batizado de Neurogrid une de forma inovadora o hardware e o software para simular com perfeição a atividade de 1 milhão de neurônios, imitando o cérebro humano em tempo real.

 

Ou seja, embora o Neurogrid simule um número muito menor de neurônios que o Sequoia, ele consegue simular em 1 segundo de processamento algo que a mente humana faz em exatamente 1 segundo. Enquanto isso, o supercomputador da IBM faria o mesmo processo em 1.500 segundos.

​

Ao multiplicar o processo em bilhões de neurônios, a computação neuromórfica pode ser essencial para estudos do cérebro, além de ter o potencial para revelar acontecimentos até então desconhecidos em casos de doenças mentais.

 

Como tudo isso funciona?

​

Para que o Neurogrid funcione com perfeição, a equipe de pesquisa associou cerca de 65 mil neurônios de silício, as chamadas sinapses artificiais, que têm suas atividades programadas com 80 parâmetros distintos, o que permite que os cientistas repliquem as características únicas para cada tipo de neurônio.

​

A grande vantagem do Neurogrid em relação a supercomputadores tradicionais é que ele traz sinais mais parecidos com o tipo de processamento analógico feito pelo cérebro, enquanto máquinas comuns processam sinais digitais, respondendo apenas com “verdadeiro” ou “falso”.

​

Embora o cérebro humano também faça isso, o processo ocorre apenas na fase de comunicação na rede de neurônios. O Neurogrid então se aproxima do cérebro ao usar sinais analógicos para fazer os cálculos e sinais digitais para a comunicação.

​

Além de tudo, o equipamento é capaz de funcionar gastando muito menos energia: enquanto o Sequoia trabalha com 8 megawatts, o Neurogrid usa apenas watts de eletricidade – o que faz do Neurogrid 100 mil vezes mais econômico.

​

Neurociência

​

é o estudo científico do sistema nervoso.[1] Tradicionalmente, a neurociência tem sido vista como um ramo da biologia. Entretanto, atualmente ela é uma ciência interdisciplinar que colabora com outros campos como a educação, química, ciência da computação, engenharia, antropologia, linguística, matemática, medicina e disciplinas afins, filosofia, física, comunicação e psicologia. O termo neurobiologia é usado alternadamente com o termo neurociência, embora o primeiro se refira especificamente à biologia do sistema nervoso, enquanto o último se refere à inteira ciência do sistema nervoso.

​

O escopo da neurociência tem sido ampliado para incluir diferentes abordagens usadas para estudar os aspectos moleculares, celulares, de desenvolvimento, estruturais, funcionais, evolutivos e médicos do sistema nervoso, ainda sendo ampliado para incluir a cibernética como estudo da comunicação e controle no animal e na máquina com resultados fecundos para ambas áreas do conhecimento. As técnicas usadas pelos neurocientistas têm sido expandidas enormemente, com contribuições desde estudos moleculares e celulares de neurônios individuais até do "imageamento" de tarefas sensoriais e motoras no cérebro. Avanços teóricos recentes na neurociência têm sido auxiliados pelo estudo das redes neurais ou com apenas a concepção de circuitos (sistemas) e processamento de informações que tornam-se modelos de investigação com tecnologia biomédica e/ou clínica.

​

Dado o número crescente de cientistas que estudam o sistema nervoso, várias proeminentes organizações de neurociência têm sido formadas para prover um fórum para todos os neurocientistas e educadores. Por exemplo, a International Brain Research Organization foi fundada em 1960, a Society for Neuroscience[4] em 1969, a Sociedade Brasileira de Neurociências e Comportamento[5] em 1976 e a Sociedade Portuguesa de Neurociências em 1992.

​

Desenvolvedores de software sabem tudo sobre semicondutores, obviamente. Os desenvolvedores de aplicativos de software e todas as formas de profissionais de engenharia de dados também sabem muito sobre chipsets e arquitetura de semicondutores, afinal de contas - é importante poder criar e otimizar código de software para o ambiente específico no qual você deseja descansar as funções do computador. melhor performance.

​

Mais ainda, a maioria dos programadores de desenvolvimento e especialistas em dados terão uma idéia cada vez mais clara sobre a computação quântica e o que o poder dos qubits de superposição nos dará, ao contrário dos antigos bits binários clunky. Mas e os semicondutores neuromórficos… a noção desses chips entrou em nossa lingua franca ainda?

​

Engenharia Neuromórfica

 

Como parte integrante do conceito de engenharia neuromórfica, os semicondutores neuromórficos imitam as arquiteturas neuro-biológicas presentes no sistema nervoso humano. Entre os players mais visíveis nessa área está a IBM, com seus processadores TrueNorth e também a Intel, com suas unidades de teste Intel Loihi - estes são chips que dizem "simular a estrutura do cérebro humano", por assim dizer.

A diferença fundamental na engenharia neuromórfica está no modo como os transistores digitais do semicondutor são montados, dispostos e inter-relacionados. Ao invés de serem dispostos em linhas tradicionais ou qualquer forma de padrão concêntrico, os semicondutores neuromórficos são alimentados por bilhões de transistores dispostos a trabalhar em paralelo através do que está sendo chamado de conexões inter-neuronais (como sinapses em nosso próprio sistema nervoso central e cérebro). ).

Aplicações Neuromórficas

​

A aplicação de semicondutores neuromórficos pode ser extremamente útil em áreas que incluem reconhecimento de padrões em grande escala. Também reivindicando ser um especialista neste campo está a sede em Cingapura NeuroMem Technologies Pte Ltd, uma empresa de tecnologia de reconhecimento de padrões focada no uso e benefícios de componentes semicondutores neuromórficos. O CEO da NeuroMem, Pierre Brunswick, disse que essa tecnologia tem a capacidade de implantar "inteligência de ponta" (ou seja, inteligência nos dispositivos) de uma maneira prática.

​

Este ponto-chave da Wikipedia é perspicaz, “Um aspecto chave da engenharia neuromórfica é entender como a morfologia de neurônios, circuitos, aplicações e arquiteturas globais cria cálculos desejáveis, afeta como a informação é representada, influencia a robustez do dano, incorpora aprendizado e desenvolvimento, adapta-se à mudança local (plasticidade) e facilita a mudança evolutiva. ”

​

Como começamos a trabalhar com semicondutores neuromórficos e aplicamos suas vantagens aos nossos aplicativos de software - e, de fato, aos aplicativos em nosso bolso -, se é um assunto que estamos apenas começando a abordar.

 

Neurônios de hardware

 

O NeuroMem já mencionado chamou todo esse conceito de processo de construção de "neurônios de hardware" inspirados na biologia. A empresa diz que esses neurônios estão todos interconectados e trabalhando em paralelo, reconhecendo ou aprendendo um padrão em um número constante de nseg e isso independentemente do número de neurônios comprometidos no chip.

​

Este é um campo em rápida mudança e em rápido desenvolvimento e nem todos se referem a ele como computação neuromórfica. O empresário de tecnologia Dr. Steve Marsh trabalhou em seu Ph.D. em ciência da computação na Universidade de Cambridge, na Grã-Bretanha, para desenvolver um supercomputador para simular a função do cérebro humano e fundar o GeoSpock - uma plataforma de processamento de dados extrema criada para gerenciar informações de sensores gerados em máquina em tempo real.

​

Memória implantada, como seres humanos

​

Quando consideramos como os supercomputadores podem simular as funções do cérebro humano, essas máquinas precisam aprender rapidamente e processar as quantidades extremas de dados necessários para criar a "memória implantada" para cérebros de máquinas semelhantes aos humanos, quanto mais para um robô totalmente funcional.

​

"Os recentes avanços em" aprendizado profundo "e, de fato, o aumento da implantação de Redes Neurais Artificiais (RNA) têm o potencial de melhorar muitos aspectos de nossa sociedade futura - tudo como fazemos compras, viajamos ou até mesmo como vivemos. Com um enorme potencial de IA e aprendizado de máquina, devemos ser capazes de processar com eficiência e rapidez conjuntos de dados fenomenalmente. Infelizmente, as redes neurais representam um modo muito diferente de computação - que o CPU atual e até mesmo o hardware de GPU não são particularmente adequados ”. Pântano.

Marsh está otimista sobre o futuro e diz que hardware neuromórfico personalizado, Field Programmable Gate Arrays (FPGAs) e até mesmo novas técnicas de software - destinadas a resolver o problema do processamento de dados extremos - podem finalmente liberar a grande promessa da IA.

​

Muito onde as máquinas neuromórficas estarão alinhadas com a atual Unidade Gráfica de Processamento, os avanços na tecnologia GPU e os futuros avanços da computação quântica são difíceis de se dizer.

Juntamente com IBM, Intel e NeuroMem (e na verdade GeoSpock) também podemos ver o Google e a Qualcomm investindo no desenvolvimento do espaço neuromórfico, então ainda há muito a aprender e descobrir

​