08/08/2014 - (imagem ao lado - Uma das placas de teste dos processadores neuromórficos, mostrando no detalhe a visão em infravermelho de um deles para destacar o baixo consumo de energia em relação aos demais chips que compõem a placa) Em 2011, a IBM apresentou os seus primeiros processadores que imitam o cérebro. Dois anos depois, a empresa anunciou que havia descoberto como programar esses processadores cognitivos. Agora a empresa deu o passo previamente prometido, de conectar seus chips neuromórficos para criar uma arquitetura que pode crescer à vontade, adicionando neurônios conforme a necessidade de processamento. O resultado é um chip multinúcleo - chamado TrueNorth - com conexões que ...
imitam o cérebro e uma arquitetura capaz de executar tarefas em tempo real consumindo uma quantidade mínima de energia em relação aos processadores tradicionais. O núcleo básico é composto por 256 linhas de entrada - que representam os axônios - e 256 linhas de saída - os neurônios. Foram conectados mais de 4.000 desses núcleos, criando um processador digital com 1 milhão de neurônios e mais de 256 milhões de sinapses programáveis - para comparação, em 2011 o chip tinha 1 núcleo, 256 neurônios e 262 mil sinapses. Com seus 5,4 bilhões de transistores, o que o torna um dos maiores chips já construídos - em termos de transistores, já que ele tem o tamanho de um selo postal -, o TrueNorth consumiu apenas 70 mW para executar 46 bilhões de operações sinápticas por segundo.
Leia também - Teclados comuns permitem espionagem a distancia
Isto é possível porque, ao contrário dos processadores tradicionais (arquitetura von Neumann), que funcionam por inteiro o tempo todo, o processador neuromórfico (arquitetura de rede neural pulsada) é controlado por eventos, o que significa que cada sinapse só funciona quando é necessário.
Reconhecimento de padrões
O processador neuromórfico foi testado executando com sucesso um teste de detecção de imagens, que consistia em identificar objetos como pessoas ou ciclistas contra uma imagem de fundo. Tal como o cérebro, a rede neural do processador consegue executar tarefas como o reconhecimento de padrões de forma muito mais eficiente do que os processadores convencionais. No início deste ano, pesquisadores alemães usaram um outro processador neuromórfico para rodar outros tipos de programa. Segundo a equipe da IBM, os chips TrueNorth podem ser montados para criar sistemas com centenas de milhares de núcleos, centenas de milhões de neurônios e centenas de bilhões de sinapses.
"Embora o hardware de hoje tenha sido fabricado através de um moderno processo CMOS, a arquitetura está pronta para explorar os futuros avanços em memória, integração 3D, lógica e tecnologias de sensores para alcançar um consumo de energia ainda mais baixo, maior densidade de transistores e maior velocidade," afirma a IBM.
Arquitetura complementar
A equipe anunciou que o próximo objetivo é construir um processador sináptico com 10 bilhões de neurônios e 100 trilhões de sinapses, quando então será possível pensar em aplicações práticas - embora ainda não algo como um cérebro artificial. Segundo Paul Merolla, coordenador da equipe, o chip básico e a possibilidade de sua interconexão abrem caminho para o projeto de processadores voltados para tarefas nas quais os processadores de computador convencionais não são muito bons - ou seja, ele não prevê uma substituição dos processadores atuais, mas uma complementaridade entre as duas arquiteturas.
Como Os Processadores Neuromórficos Representam Uma Nova Abordagem Para A Computação
25/08/2018 - Os computadores entraram na era na qual eles são capazes de aprender com seus próprios erros – uma evolução com potencial de colocar o mundo digital de cabeça para baixo.
A primeira versão comercial do chip do novo tipo de computador está com lançamento previsto para este ano. Este novo chip permitirá não apenas a automatização de tarefas que requerem uma dose maciça de programação, como por exemplo a movimentação suave de um braço de robot, como também será capaz de tomar desvios e ser tolerante a erros, tornando expressões como “tela azul” ou “travamento da máquina” potencialmente obsoletas.
A nova abordagem computacional, já em uso por parte de algumas empresas de tecnologia, é baseada no sistema nervoso, especificamente no modo pelo qual os neurônios reagem a estímulos e se conectam para interpretar as informações recebidas. Esta abordagem permitirá aos computadores absorver novas informações enquanto realizam uma tarefa, ajustando o andamento da tarefa às mudanças recebidas por intermédio das informações captadas.
Nos próximos anos, esta abordagem tornará possível uma nova geração de sistemas de inteligência artificial que será capaz de perfazer algumas funções que os seres humanos realizam com facilidade: enxergar, falar, escutar, caminhar, manipular e controlar objetos. Isto trará consequências significativas para tarefas como reconhecimento facial e de fala, locomoção e planejamento, que ainda estão em seus estágios elementares e dependem fortemente da programação humana.
Estamos nos movendo de sistemas de engenharia computacional para algo com muitas das características da computação biológica, afirma Larry Smarr, um astrofísico que dirige o Instituto da Califórnia de Telecomunicações e Tecnologia da Informação, um dos muitos centros de pesquisa dedicados ao desenvolvimento deste novo tipo de circuitos de computador.Atualmente, os computadores limitam-se a realizar aquilo para o qual foram programados. Para isto, utilizam-se, dentre outras coisas, algoritmos que funcionam como uma receita, ou seja, um conjunto de instruções passo-a-passo para a realização de cálculos. Este paradigma está mudando rapidamente.
No ano passado, pesquisadores do Google desenvolveram um algoritmo de inteligência artificial conhecido como rede neural e capaz de realizar atividades de reconhecimento sem supervisão. A rede neural escaneou uma base de dados com 10 milhões de imagens, tendo sido capaz de se treinar sozinha para reconhecer imagens de gatos Em junho passado, o Google informou que usou a rede neural para desenvolver um novo serviço de busca que auxiliará os usuários a encontrarem fotos específicas com um maior grau de precisão.
Segundo Kwabena Boahen, um cientista da computação que lidera um programa de pesquisa na Universidade de Stanford, a nova abordagem, utilizada tanto para software, como para hardware, está sendo impulsionada pela onda de novas descobertas a respeito do funcionamento do cérebro humano. Entretanto, segundo ele, isto também se constitui em uma limitação, pois os cientistas estão longe de chegar a uma compreensão completa do funcionamento do cérebro humano.
Até agora, a arquitetura dos computadores foi baseada nas ideias originadas pelo matemático John von Neumann, cerca de 65 anos atrás. Nesta arquitetura, os microprocessadores realizam operações seguindo instruções programadas que fazem uso de longas sequências de 1s e 0s, instruções estas armazenadas naquilo que se conhece por memória, localizada no próprio processador, em chips de armazenamento ou em discos magnéticos de maior capacidade. Os dados, como por exemplo as letras de um processador de texto, trafegam para fora e para dentro da memória de curto prazo do processador enquanto o computador realiza as ações programadas, sendo o resultado obtido movido para a sua memória principal.
Já os processadores da nova abordagem consistem de componentes eletrônicos que podem ser conectados segundo uma maneira que imita as sinapses biológicas. Exatamente por serem baseados em grandes grupos de elementos semelhantes a neurônios, estes processadores são conhecidos por neuromórficos, um termo atribuído pelo físico Carver Mead, que foi o pioneiro deste conceito ainda nos anos 80. Desse modo, os processadores não são “programados”- as conexões entre os circuitos são estabelecidas de acordo com as correlações nos dados que o processador já “aprendeu” e se alteram à medida em que em que os dados trafegam pelo chip. Isto gera um sinal que viaja para outros componentes e, como reação, causa a mudança da rede neural como um todo, programando as ações subsequentes de modo muito semelhante ao que ocorre nos seres humanos, cujas ações e pensamentos se alteram em função das informações recebidas.
Os novos computadores, que ainda são baseados em chips de silício, não irão substituir os atuais computadores e sim ampliar suas capacidades, pelo menos por enquanto. Há muitos que enxergam a nova geração de chips como coprocessadores, analogamente ao conceito já utilizado hoje em dia pela Apple em seus novos modelos de iPhone e iPad. Entretanto, se este conceito for transplantado para computadores centrais utilizando-se a nova arquitetura neuromórfica, muito provavelmente, poderemos observar ganhos significativos no poder dos sistemas atualmente em uso, tais como internet banking e vigilância, dentre outros.
Leia também - Agencia Espacial européia começa a construir a espaçonave do futuro
Uma grande vantagem da nova abordagem é sua tolerância a falhas. Os computadores tradicionais são precisos, mas são incapazes de contornar a falha de um único transistor de seus circuitos. Com a arquitetura biológica, os algoritmos estarão em constante mudança, permitindo ao sistema se adaptar e contornar falhas para completar as tarefas.
Até o presente momento, a IBM e a Qualcomm, bem como a equipe de pesquisa em Stanford, já desenvolveram suas versões de processadores neuromórficos, sendo que a Qualcomm informou a previsão do lançamento de uma versão comercial para 2014, havendo a expectativa de sua utilização massiva para aprimoramento da nova arquitetura. Além disso, muitas universidades estão focadas nesta nova abordagem, como por exemplo o Centro para Cérebros, Mentes e Máquinas (Center for Brains, Minds and Machines), um núcleo de pesquisa baseado no MIT e que conta com a parceria das Universidades de Harvard e Cornell.
Por ora, nos resta aguardar para vermos o que esta nova abordagem nos trará, pois trata-se de um marco importante na evolução da tecnologia que ironicamente irá replicar a estrutura presente no ser humano para se aprimorar.
Processadores neuromórficos começam a levar aprendizado a sério
O chip Loihi da Intel já está disponível para pesquisadores e desenvolvedores
06/03/2018 - Engenheiros das universidades de Heidelberg e Dresden, na Alemanha, e da Intel, apresentaram três novos processadores neuromórficos durante um evento realizado na semana passada nos EUA.
Os novos chips podem imitar aspectos mais amplos dos cérebros biológicos do que as versões anteriores, sendo, segundo as equipes que os construíram, "mais energeticamente eficientes, mais resilientes e com maior capacidade de aprendizagem."
Os computadores são muitas vezes mais rápidos do que os humanos na resolução de problemas aritméticos, mas não competem quando se trata da capacidade analítica do cérebro - os computadores não conseguem aprender continuamente e, portanto, não podem melhorar-se.
Este é um dos objetivos da computação neuromórfica, cujos componentes tentam imitar o funcionamento das redes neurais humanas. E o progresso na área vem se acelerando tanto que alguns especialistas já dizem que a computação neuromórfica pode deixar a computação quântica para trás.
BrainScales
O primeiro chip é uma versão mais recente do projeto BrainScales, que está construindo processadores inspirados no cérebro humano há vários anos.O BrainScaleS possui um design analógico e digital misto e funciona de 1.000 a 10.000 vezes mais rápido que a versão anterior, dependendo do algoritmo. O processador neuromórfico de segunda geração possui funções de aprendizagem livremente programáveis, bem como um modelo de hardware analógico de neurônios complexos com árvores dendríticas ativas, que - assim como os neurônios - são especialmente valiosos para reproduzir um processo de aprendizado contínuo.
SpiNNaker
O segundo processador é a mais recente versão do cérebro eletrônico SpiNNaker, construído por um consórcio liderado pela Universidade de Dresden. O novo chip SpiNNaker é baseado na tecnologia multinúcleos. Um único chip contém 144 núcleos neuromórficos com um sistema inovador de gerenciamento de energia, o que o permite disponibilizar uma capacidade computacional de 36 bilhões de instruções por segundo por watt.
Loihi
Finalmente, a Intel anunciou os detalhes técnicos do seu processador Loihi, que a empresa apresenta como a ferramenta que finalmente levará a inteligência artificial para o hardware. O processador já está disponível para equipes de desenvolvedores e universidades e conta com 130 milhões de sinapses artificiais.
Artefato que imita sinapse pode contribuir para a criação do computador neuromórfico
22/06/2017, por José Tadeu Arantes - De tudo o que a ciência contemporânea é capaz de observar no Universo, não há nada que supere ou sequer se compare, em funcionalidade, plasticidade e eficiência, ao próprio cérebro humano. O cérebro é capaz de um processamento maciço de informação em paralelo, consumindo, por evento sináptico, uma quantidade de energia da ordem do femtojoule, 10-15 J [para efeito de comparação, uma lâmpada comum de 100 watts consome, a cada segundo, uma quantidade de energia 100 quatrilhões de vezes maior].
Leia também - Não de bobeira com o seu notebook
Mimetizar, ainda que de forma apenas aproximada, a interconectividade, a densidade de informação e a eficiência energética do cérebro humano é o ideal que norteia as pesquisas mais avançadas e inovadoras no campo da medicina, engenharia e informática.
Um dispositivo eletroquímico orgânico, recém-produzido nos Estados Unidos, constitui contribuição original nesse sentido. Denominado ENODe (do inglês Electrochemical Neuromorphic Organic Device), o artefato, fabricado em substrato flexível, opera em patamares de energia que podem chegar ao picojoule, 10-12 J; exibe mais de 500 estados estáveis de condutância elétrica; e consegue simular com acurácia a função sináptica.
A pesquisa que lhe deu origem foi objeto do artigo “A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing”, publicado em Nature Materiais.
O estudo, conduzido pelo grupo liderado pelo químico italiano Alberto Salleo, no Departamento de Ciência dos Materiais e Engenharia da Stanford University, teve a participação do brasileiro Gregório Couto Faria, do Instituto de Física de São Carlos da Universidade de São Paulo (IFSC-USP). Faria foi apoiado pela FAPESP com Bolsa de Pesquisa no Exterior.
“Apesar de muito simples, o ENODe apresenta uma propriedade típica das estruturas neurais que é a memória multinivelada. Cada unidade do nosso cérebro manifesta cerca de 100 estados de potenciação, que correspondem a diferentes níveis de memória. Em nosso experimento, variando a voltagem, conseguimos mudar a condutividade do material ativo, e, assim, acessar também padrões diferenciados de memória”, disse o pesquisador à Agência FAPESP.
O dispositivo é constituído, essencialmente, por um polímero conjugado, capaz de conduzir não apenas elétrons, mas também íons. Isso lhe possibilita atuar como tradutor – ou, dito de forma mais precisa, como transdutor – de corrente elétrica em corrente iônica. A grande virtude dessa propriedade é que ela permite ao material mimetizar os sistemas biológicos. “Tais sistemas comunicam-se predominantemente por meio de fluxos iônicos. Quando um neurônio interage com outro, o que faz é abrir canais para a passagem de íons e, assim, polarizar o ambiente ao redor. Ao reproduzir essa função, nosso polímero estabelece uma interface entre sistemas artificiais e sistemas vivos”, informou Faria.
Uma aplicação imediata seria utilizar o dispositivo em sensores para detectar a presença de determinadas substâncias ou em próteses para estimular tecidos vivos, como as células cardíacas, por exemplo. Outra aplicação, muito mais ambiciosa, é valer-se da propriedade do material para projetar e produzir dispositivos eletrônicos capazes de imitar estruturas biológicas, como os neurônios.
O desenvolvimento da eletrônica de polímeros conjugados motivou a outorga do Prêmio Nobel de Química de 2000 a Alan Heeger (Estados Unidos), Alan MacDiarmid (Nova Zelândia) e Hideki Shirakawa (Japão). Na família dos polímeros conjugados, há uma classe específica de condutores orgânicos mistos. Uma das vantagens desses materiais em relação aos seus análogos inorgânicos é que têm uma morfologia muito porosa, semelhante à da esponja. Quando imersos em um meio líquido com a presença de íons, absorvem a solução em seus interstícios. E sua rede de canais intersticiais transforma-se no sistema viário pelo qual os íons podem trafegar.
Durante o trânsito iônico, ocorrem reações de oxidação ou redução do polímero pelos íons. Trata-se do fenômeno que, em ciência dos materiais, recebe o nome de “dopagem”. O ganho (na oxidação) ou a perda (na redução) de elétrons afeta a condutividade elétrica do material. E a condutividade pode ser modulada pela variação da tensão aplicada. “É isso que possibilita ao dispositivo apresentar diferentes níveis de memória, configurando assim uma das primeiras condições para a elaboração de uma estrutura neuromórfica”, explicou o pesquisador.
A encruzilhada da computação
Unidades neuromórficas integradas em redes neurais constituem a opção mais ousada para superar o atual impasse da computação.
“De fato, o desenvolvimento da computação está chegando a uma encruzilhada. A chamada Lei de Moore, segundo a qual o número de transístores integrados aos computadores dobra a cada 18 meses, continua valendo. Mas a velocidade de processamento, denominada ‘velocidade de clock’, não está crescendo proporcionalmente, e tende a se estabilizar”, afirmou Faria. Isso se deve a um conjunto de fatores, como, por exemplo, o efeito Joule, isto é, a dissipação de energia na forma de calor, que aumenta com a compactação e miniaturização cada vez maior dos componentes.
“Uma das propostas para superar o impasse é a verticalização das unidades de memória. É o mesmo princípio que se observa na dinâmica urbana. Quando a área para expansão das cidades chega a um limite, elas começam a se verticalizar. O mesmo tenderia a ocorrer nos processadores. Outra saída, mais inovadora, é a substituição da computação de tipo Von Neumann [referência ao matemático húngaro de origem judaica John von Neumann (1903 – 1957)], adotada desde os primórdios da revolução da informática, por uma computação neuromórfica, que busca mimetizar o funcionamento do cérebro”, ponderou o pesquisador.
Na computação tradicional, o bit, a menor unidade de informação que pode ser armazenada ou transmitida, resume-se à alternativa “um ou zero”. E informa se, naquele ponto, o circuito está fechado, possibilitando a passagem de corrente elétrica, ou está aberto, obstruindo o sinal. Em suma, é “sim ou não”, e não há meio-termo. Na computação neuromórfica, cada unidade básica poderia exibir vários estados possíveis: o “sim”, o “não” e diferentes tipos de “talvez”. Além disso, as redes neurais apresentariam padrões de plasticidade e capacidade de aprendizado cada vez mais semelhantes aos das estruturas biológicas. Isso significa que muitas unidades diferentes poderiam se sincronizar, de modo que o padrão elétrico de uma seria aprendido e assumido por outra.
“Ao lado da memória multinivelada, a capacidade de aprendizado é uma característica muito importante do ENODe”, sublinhou Faria. “Para checar essa capacidade, aplicamos ao dispositivo o teste ‘Cachorro de Pavlov’.” O teste, baseado nos experimentos realizados pelo fisiologista russo Ivan Petrovich Pavlov (1849 – 1936), associa a oferta de comida ao soar de um sino. Depois de vivenciar tal situação, o cão, que saliva instintivamente ao ver ou cheirar a comida, passa a salivar também cada vez que ouve o sino, mesmo na ausência da comida.
“O que fizemos foi reproduzir esse tipo de condicionamento animal utilizando dois sistemas neuromórficos, um relativo à visão (mimetizando a visão da comida), outro relativo à audição (mimetizando a audição do sino). A variação de condutividade em função do potencial elétrico, que ocorria no sistema de visão, foi ‘aprendida’ pelo sistema de audição, quando os dois sistemas foram integrados”, descreveu o pesquisador. Parece complicado. Mas, no fundo, tudo se resume à dopagem da estrutura do polímero pelo fluxo iônico.
Os computadores atuais, de tipo Von Neumann, já são capazes de aprender, por tentativa e erro. É o que se chama, em linguagem técnica, de “aprendizado de máquina”, e ocorre até mesmo nos smartphones de última geração. Um marco nessa trajetória evolutiva ocorreu em 1997, quando o campeão mundial de xadrez Garry Kasparov, que muitos consideram o maior enxadrista de todos os tempos, perdeu a partida para o computador Deep Blue, da IBM.
Leia também - GE apresenta tecnologia que torna possível disco de 500 gigabytes
Outro marco aconteceu em 2011, quando uma máquina ainda mais avançada da IBM, o supercomputador Watson, derrotou os dois campeões do programa Jeopardy!, um evento popular de perguntas e respostas da televisão norte-americana (leia em http://agencia.fapesp.br/23290/). Com 15 trilhões de bytes (conjuntos de oito bits) de memória, o equivalente a 5 mil computadores rodando maciçamente em paralelo, o Watson é capaz de ler meio bilhão de páginas em 3 segundos. No torneio, valeu-se do aprendizado de máquina para entender as perguntas capciosas dos apresentadores, encontrar as presumíveis respostas, classificá-las em um ranking estatístico e escolher a alternativa mais provável, em segundos ou frações de segundo.
Porém o que se busca agora é outro tipo de aprendizado, baseado não no acúmulo de bytes em máquinas gigantescas, mas em unidades de processamento multiniveladas, integradas em redes capazes de mimetizar a plasticidade do cérebro humano. O dispositivo testado no experimento de Stanford possui tamanho macroscópico, da ordem de milímetros. Porém é passível de miniaturização em escala nanométrica por meio de fotolitografia. “Nosso grande objetivo é conectar vários dispositivos neuromórficos e mimetizar redes neurais capazes de executar funções cada vez mais complexas”, resumiu Faria. O horizonte é o computador neuromórfico.
Fonte: http://www.inovacaotecnologica.com.br
http://agencia.fapesp.br/