Uma formação estelar de designers de computadores e bioengenheiros se enfrentará em um debate virtual que explorará se o cérebro biológico deve influenciar o design de futuros sistemas de IA
Cientistas e engenheiros continuam a expandir os limites do que pode ser alcançado com inteligência artificial (IA), com os últimos anos vendo ganhos impressionantes em áreas como reconhecimento de fala e processamento de linguagem natural. Mas os especialistas concordam que o estado da arte atual ainda está um pouco aquém das máquinas pensantes que são amplamente retratadas na ficção científica.
“A IA é muito boa para resolver problemas muito específicos, desde que haja dados suficientes para treinar o sistema”, diz Yann LeCun, cientista-chefe de IA da Meta e ganhador do Prêmio Turing por sua pesquisa sobre aprendizado profundo na Universidade de Nova York. “Mas os sistemas atuais não entendem como o mundo funciona, e é isso que é necessário para realizar aplicações transformadoras, como robôs domésticos, assistentes virtuais e carros autônomos totalmente autônomos”.
Cientistas na vanguarda da pesquisa de IA ainda estão descobrindo como fazer a mudança de paradigma da análise de números baseada em dados para um pensamento humano mais intuitivo. A maioria dos pesquisadores acredita que há um papel para algoritmos de computador que imitam o cérebro biológico, com redes neurais artificiais se tornando uma abordagem dominante para resolver problemas por tentativa e erro, em vez de programação baseada em regras.
“Nos últimos anos, houve muito progresso no aprendizado autossupervisionado, onde um sistema pode aprender a representar os dados para uma tarefa específica sem ser treinado”, diz LeCun. “Uma vez que o aprendizado autossupervisionado possa funcionar de maneira mais geral, as máquinas poderão aprender como o mundo funciona assistindo a vídeos ? abrindo as portas para resolver problemas de maneira muito mais simples do que podemos hoje.”
Enquanto LeCun acredita que as redes neurais executadas em chips de computador padrão oferecem o melhor caminho para a construção de sistemas de IA de última geração, outros afirmam que a construção de processadores que imitam a funcionalidade do cérebro biológico produziria sistemas de IA mais poderosos que também consomem menos energia.
Esses sistemas de processamento “neuromórficos” normalmente exploram circuitos analógicos para criar neurônios artificiais de silício e circuitos analógicos/digitais de sinal misto para implementar redes neurais de pico. Esses circuitos neuromórficos são projetados para replicar a maneira como as sinapses e os neurônios no cérebro se acendem durante a atividade neurológica.
“Em nosso cérebro não há distinção entre um algoritmo abstrato e o substrato de computação”, explica Giacomo Indiveri, diretor do Instituto de Neuroinformática da Universidade de Zurique e da ETH Zurich, e editor-chefe de um novo jornal de acesso aberto , Computação Neuromórfica e Engenharia. “Separamos o software e o hardware na ciência da computação, mas na computação neuromórfica há uma fusão dos dois. Para alcançar a solução ideal, precisamos co-projetar a arquitetura e o substrato de computação.”
Os defensores da computação neuromórfica acreditam que, em certas situações, esses sistemas bio-inspirados têm o potencial de superar as tecnologias digitais padrão. “Os sistemas neuromórficos podem ser implementados como arquiteturas massivamente paralelas nas quais os neurônios artificiais estão em diferentes estados e prontos para disparar em alguns microssegundos, fornecendo uma resposta mais rápida que normalmente pode ser alcançada com a computação digital convencional”, diz Indiveri. “Arquiteturas neuromórficas analógicas/digitais também demonstraram consumir energia na faixa de microwatts, ordens de magnitude menores do que os processadores digitais convencionais”.
A Indiveri acredita que o ponto ideal para sistemas neuromórficos está em aplicações que exigem baixa latência e baixa potência, como o processamento localizado de dados de sensores. “É mais adequado para processar dados de streaming contínuo em tempo real”, diz ele. “Isso pode ser um sistema de visão para reconhecimento de gestos ou detectar se alguém caiu em casa. Para monitoramento de sinais biomédicos, um sistema neuromórfico de baixa potência implementado em uma pulseira de ‘usar e esquecer’ pode detectar quaisquer anomalias e emitir um alerta, sem a necessidade de estar conectado a um telefone celular.”
Mas LeCun não está convencido de que a computação neural precisa ser neuromórfica para ser eficaz. “Estou interessado, mas sou cético”, diz ele. “A questão é se é melhor explorar o progresso da tecnologia digital ou tentar seguir a filosofia neuromórfica.”
Embora LeCun concorde que os sistemas neuromórficos podem desempenhar um papel no processamento de dados de sensores na borda da rede, ele acredita que as tecnologias analógicas atuais têm desvantagens fundamentais para a construção de redes neurais maiores. “Pode haver uma boa razão para o cérebro produzir picos, mas pode não se traduzir em eletrônicos e software”, diz ele.
Esses diferentes pontos de vista serão exibidos em um debate virtual intitulado “O futuro da computação de alto desempenho: os sistemas neuromórficos são a resposta?”, que pode ser assistido ao vivo na segunda-feira, 7 de março de 2022, às 16h GMT e, posteriormente, sob demanda . LeCun estará no canto dos céticos, junto com Bill Dally, professor da Universidade de Stanford e cientista-chefe da NVIDIA ? uma empresa que projeta os processadores gráficos de computador que sustentam muitos sistemas de IA.
Do outro lado do debate estará Kwabena Boahen, fundadora e diretora do laboratório Brains in Silicon da Universidade de Stanford. Boahen e sua equipe estão desenvolvendo neurônios artificiais baseados em silício para imitar a maneira como o cérebro funciona e demonstraram o Neurogrid ? uma placa de circuito composta por 16 chips que incluem circuitos analógicos para mais de 65.000 neurônios artificiais.
“Construímos modelos de hardware de sistemas neurais para aprender sobre como o cérebro funciona, o que nos permite testar ideias sobre como a cognição pode vir das propriedades dos neurônios”, explicou Boahen em um artigo para a Universidade de Stanford. “Informados pelo que esses modelos nos ensinaram, agora estamos trabalhando no desenvolvimento de um computador que funcione de forma mais eficiente, como o cérebro”.
Ele será acompanhado por Ralph Etienne-Cummings, diretor do Laboratório de Sistemas Sensoriais-Motores Computacionais da Universidade Johns Hopkins. Etienne-Cummings estudou sensores de visão bio-inspirados e seu uso em robôs e, mais recentemente, interfaces cérebro-máquina e próteses neurais projetadas para restaurar a função após lesão ou superar doenças. Sua ampla pesquisa o convenceu da necessidade da computação neuromórfica para “realizar tarefas de reconhecimento como organismos vivos sem esforço, criar robôs com pernas que sejam tão eficientes e elegantes quanto os humanos e projetar próteses que possam interagir perfeitamente com o corpo”.
A discussão será presidida por Regina Dittmann, especialista em dispositivos memristivos que atualmente está no Instituto Peter Grünberg do Forschungszentrum Jülich na Alemanha. Com Boahen e Etienne-Cummings tentando convencer LeCun e Dally dos benefícios da computação neuromórfica sobre as abordagens neurais convencionais, a sessão promete ser um debate amigável, mas ferozmente contestado. Você pode se registrar gratuitamente agora.
Embora a ideia de engenharia neuromórfica esteja enraizada em conceitos propostos pela primeira vez na década de 1980, entre outros, pelo pioneiro da microeletrônica Carver Mead, o campo se expandiu ao longo dos anos à medida que novas abordagens surgiram. O termo “neuromórfico” agora descreve qualquer tipo de implementação analógica, digital ou de modo misto de um sistema neural, que inclui dispositivos físicos projetados para replicar as sinapses no cérebro, além de chips digitais ? como os demonstrados pela Intel e IBM ? que fornecem uma implementação eletrônica de uma rede neural spiking.
A nova revista, Neuromorphic Computing and Engineering, visa representar essa diversidade de pensamento. “É a primeira revista que tentou abranger todos os diferentes aspectos do campo, desde pesquisas básicas sobre o cérebro até tecnologias em nanoescala e computação de alto desempenho que podem explorar alguns dos conceitos de redes neurais”, diz Indiveri.
“Recebemos um alto nível de submissões e os artigos publicados até agora tiveram um bom número de citações. Fico feliz em ver que há muito interesse na área em geral e em aproximar as diferentes comunidades por meio da revista.”
Publicado em 08/03/2022 23h36
Artigo original: