Em artigo publicado na revista Nature Technology, pesquisadores da Universidade de Oxford, no Reino Unido, e da Universidade do Texas, nos Estados Unidos, desenvolvem dispositivos que impulsionam o avanço das inteligências artificiais. Na pesquisa, os cientistas apresentaram dispositivos físicos que permitem a coexistência simultânea de caminhos de feedback e feedforward, entrada e saída de informações em uma rede neural. Essa tecnologia pode representar um avanço significativo no desenvolvimento de inteligências artificiais, abrindo caminho para a construção de máquinas mais rápidas e eficientes.
O professor Fabio Cozman, da Escola Politécnica e diretor do Centro de Inteligência Artificial, ambos da USP, explica que os sistemas neurais das IAs são compostos de neurônios artificiais, unidades de processamento que realizam computações simples e geralmente são criadas em software.
Embora não tenha participado da pesquisa internacional, o professor esclarece que o artigo implementa um resistor chamado memristor, teorizado pela primeira vez em 1971, em uma rede neural em hardware. Esses dispositivos têm a capacidade de realizar simultaneamente a entrada e saída de informações, além de armazenar memória, o que justifica o nome memristor, uma combinação das palavras “memória” e “resistor”.
É importante ressaltar que, apesar de serem chamados de neurônios artificiais, esses dispositivos não podem ser diretamente comparados aos neurônios reais. Levando isso em consideração, Cozman destaca que essas tecnologias se inspiram em princípios biológicos, mas funcionam de maneira diferente de seus equivalentes vivos. Enquanto o cérebro opera com base em fenômenos químicos e elétricos, a computação está limitada apenas aos fenômenos elétricos, esclarece ele.
Ainda que o projeto esteja em fase experimental e precise passar por uma série de etapas antes de chegar ao mercado, a implementação de circuitos neurais em hardware utilizando memristors pode representar um avanço significativo no desenvolvimento das inteligências artificiais. Segundo o docente, isso resultaria em computadores muito mais rápidos na execução das redes neurais artificiais, tornando as IAs mais eficientes, acessíveis em termos de custo, com menor consumo de energia e mais fáceis de construir.
