Nova IA Inspirada no Cérebro Aprende em Tempo Real Usando Ultra-Baixa Energia

O cérebro humano é o supercomputador mais avançado do mundo. Ele pode aprender e se adaptar simultaneamente sem o uso de enormes centros de dados como os sistemas de IA atuais. Neste mês, uma equipe de engenheiros do Departamento de Computação e Engenharia Elétrica da Texas A&M e de outras instituições de destaque apresentou um sistema de IA inspirado no cérebro que pode desbloquear melhor desempenho e abrir caminho para protocolos mais inteligentes. Veja o que você precisa saber. 

Os Limites da IA Tradicional e da Arquitetura de Turing

A inteligência artificial é uma das indústrias de tecnologia que mais cresce e mais empolgantes do mundo. Em poucos anos, os algoritmos de IA passaram de serem acessíveis apenas a engenheiros de alto nível do Google e da Microsoft (MSFT ) para se tornarem uma ferramenta comum para a pessoa média. Ao longo dessa jornada, os sistemas de IA aumentaram continuamente em desempenho e capacidades. Paralelamente a esse aumento de desempenho, também ocorreu um aumento nas capacidades de hardware.

Notavelmente, os sistemas de IA dependem da arquitetura de Turing. Esse estilo de computação recebeu o nome de seu inventor, Alan Turing. Ele concebeu que os computadores poderiam oferecer melhor desempenho se certas partes de suas operações fossem separadas. 

Essa estrutura significa que os computadores têm seu processamento e memória fisicamente separados dentro do design do chip. Essa separação tem ditado o design de hardware das máquinas desde então. Sua visão para os computadores continua sendo a arquitetura mais amplamente utilizada, apesar de já se passarem décadas desde sua descoberta. 

A Crise Energética: Por Que a IA Moderna Precisa de um Novo Plano

O problema desse layout é que os sistemas de IA requerem enormes quantidades de dados. Em alguns casos, centros de dados inteiros precisam ser construídos do zero, utilizando o hardware mais avançado como parte dos requisitos do sistema. Infelizmente, essa estrutura não é sustentável. 

Grandes centros de dados são enormes consumidores de energia que podem consumir tanta energia quanto cidades inteiras. Em muitas situações, esses sistemas dependem de energia renovável, o que ajudou a reduzir o impacto ambiental. No entanto, a crescente demanda por sistemas de IA significa que é necessário melhorar a eficiência para tornar esses protocolos sustentáveis no futuro.

Por Que os Modelos de IA de Hoje Não Conseguem se Adaptar em Tempo Real

Além disso, essa estrutura significa que a escalabilidade desses protocolos baseia-se em seu hardware, e não em restrições de software. Mesmo o sistema mais avançado ainda precisa aguardar que os dados sejam enviados fisicamente entre os componentes de hardware de um dispositivo. 

 Apresentando uma IA Super-Turing: Inspirada no Cérebro Humano

Outra desvantagem dos sistemas de IA baseados em Turing é que eles dependem de pontos de dados predefinidos. Os modelos atuais não oferecem nenhuma forma de modificar seu desempenho durante a operação. Esses sistemas dependem dos dados fornecidos para completar a retropropagação. 

Essa abordagem difere do seu cérebro, que utiliza uma combinação de conhecimento e condições ambientais para fazer avaliações precisas com uma fração da energia. Notavelmente, é biologicamente impossível replicar a retropropagação porque exigiria que a pessoa já tivesse vivenciado a situação anteriormente. Reconhecendo esses fatos, engenheiros buscaram desenvolver um sistema de IA que imite o aprendizado humano.  

Como os Resistores Sinápticos Aprendem Como Nossos Cérebros

O estudo “Circuito de resistor sináptico baseado em HfZrO para um sistema inteligente Super-Turing“¹ apresenta um sistema de IA neuromórfico que pode imitar como o cérebro aprende para fornecer adaptabilidade em tempo real baseada em condições. O estudo foi apresentado por uma equipe de pesquisadores da UCLA, Texas A&M e outras instalações de pesquisa e foi publicado na Science Advances. Para realizar essa tarefa, a equipe criou um circuito “synstor” (resistor sináptico) que pode aprender como o seu cérebro. 

Fonte – Departamento de Computação e Engenharia Elétrica da Texas A&M

Eficiência Semelhante ao Cérebro: IA que Consome Microwatts, Não Megawatts

Os engenheiros por trás deste estudo reconhecem que o cérebro humano ainda está muito à frente da IA em vários aspectos, como consumo de energia e flexibilidade. Os processos neurais do cérebro permitem que ele realize funções corporais complexas enquanto se adapta simultaneamente às condições mutáveis ao seu redor. 

Em termos de eficiência energética, o cérebro humano requer apenas cerca de 20 watts para operar. Em comparação, o sistema de IA avançado de hoje pode consumir até 1 bilhão de watts durante as operações. Esse consumo de energia provém das vias de processamento e componentes, juntamente com a arquitetura dos sistemas de IA.  

 Entendendo a Plasticidade Sináptica na Inteligência Artificial

Os engenheiros começaram estudando a plasticidade sináptica nos cérebros. Seu cérebro possui milhões de neurônios que alimentam sua memória e aprendizado. Essas áreas de comunicação onde os nervos se encontram são chamadas de sinapses. A plasticidade sináptica refere-se à capacidade do cérebro de fortalecer conexões que são usadas com mais frequência. Também se refere à capacidade do cérebro de criar novas vias quando isso é considerado mais eficiente. 

O Segredo do Cérebro: Alternando Entre os Modos Turing e Super-Turing

Curiosamente, os cérebros podem operar tanto no modo Turing quanto no modo super-Turing. Enquanto em um estado operacional Turing, seu cérebro utilizará tarefas e ações pré-aprendidas. Quando cenários inesperados surgem ou as condições mudam de forma imprevisível, seu cérebro mudará automaticamente para uma postura super-Turing. Essa abordagem permite que seu cérebro sempre se adapte ao ambiente.

Como a IA Super-Turing Aprende e se Adapta Instantaneamente

Os cientistas consideram que esse estado super-turing está no cerne das capacidades únicas do cérebro. Eles utilizaram essa estrutura para reinventar arquiteturas de IA, imaginando um fluxo operacional mais semelhante ao humano, onde aprendizado e inferência ocorrem simultaneamente. 

Essa estratégia reduz consideravelmente o consumo de energia. A eliminação da necessidade de mover grandes quantidades de dados entre componentes de hardware diminui o consumo e melhora o desempenho. Também suporta adaptabilidade em tempo real enquanto reduz o consumo de energia a níveis inéditos.

Dentro do Synstor: O Circuito Ferroeletico que Imita o Aprendizado Humano

No cerne deste estudo está a criação de um circuito sensor inclusivo capaz de processar, aprender e operar simultaneamente de forma fluida.  A equipe fabricou um circuito de synstors baseados em Hf0.5Zr0.5Ο2 como parte de seu estudo.  

Este circuito personalizado apresentava resistores sinápticos integrando materiais ferroeletricos HfZrO. Notavelmente, materiais ferroeletricos, como os óxidos de Hf, fornecem aos engenheiros a capacidade de criar memória analógica não volátil, compatível com Si, e dispositivos neuromórficos escaláveis.

Simulação de Drone: Humano vs IA vs Synstor

A equipe configurou uma simulação de voo de drone e fez com que uma IA tradicional, um humano e um sistema de IA super-turing navegassem na simulação para testar sua teoria.  Antes de qualquer turbulência ou obstáculo, o circuito synstor, os operadores humanos e a ANN aprenderam com sucesso a conduzir o drone até sua posição alvo sem problemas ou atrasos. 

No entanto, quando árvores ou ventos fortes foram adicionados ao cenário, o desempenho de todas as partes diminuiu. Especificamente, o humano e o sistema de IA baseado no circuito synstor concluíram a tarefa. O sistema de IA tradicional não conseguiu se ajustar ao novo ambiente e não completou o teste, pois os obstáculos adicionais reduziram seu desempenho.

Adaptabilidade da IA em Ação: Resultados do Curso de Obstáculos para Drones

O estudo mostrou que os recém-desenvolvidos circuitos de resistores sinápticos dos engenheiros suportam sistemas de IA Super-Turing eficientes e adaptáveis que podem navegar em ambientes reais incertos e dinâmicos. Eles analisaram por que apenas o drone operado por humano e o alimentado por synstor conseguiram completar o percurso. Seu sucesso se deveu à capacidade de adaptação em tempo real.

Por Que os Circuitos Synstor Representam um Avanço na IA Sustentável

Existem vários benefícios que um sistema de IA baseado em circuito synstor pode trazer ao mercado. Em primeiro lugar, eles abrirão caminho para opções de IA mais avançadas e capazes. Esses protocolos serão capazes de inferência e aprendizado simultâneos em tempo real, proporcionando um passo rumo aos protocolos de IA de próxima geração.

Ecológico: A arquitetura do sistema de IA dos engenheiros utiliza uma fração da eletricidade necessária para executar protocolos de IA tradicionais. Esse uso de energia aprimorado permite que os sistemas de IA Synstor reivindiquem o título de arquitetura de IA mais ecológica para dados. À medida que a demanda por esses serviços aumenta, a necessidade de opções sustentáveis também crescerá. 

Eficiência: Os engenheiros criaram com sucesso um sistema que imita o cérebro humano. Sua abordagem reduz os requisitos de energia em geral para os sistemas de IA e permite que os sistemas de IA maximizem seu consumo de energia ao executar ou treinar novos modelos. 

Adaptabilidade: Um dos principais benefícios dessa estrutura de IA é sua adaptabilidade. Os sistemas de IA precisam se tornar mais rápidos e mais adaptáveis para lidar com o número crescente de tarefas que lhes são atribuídas. Desde pilotar seu veículo elétrico em casa até decidir quais músicas tocar para você, os futuros sistemas de IA levarão em conta seu ambiente como parte de seus procedimentos de processamento. 

Aplicações Futuras: IA Semelhante ao Cérebro em Carros, Dispositivos Vestíveis e Tecnologia Militar

O sistema de IA inspirado no cérebro tem o potencial de revolucionar a indústria. Ele oferece aos engenheiros a perspectiva de desenvolvimento de IA sustentável e pode apoiar a criação dos avançados sistemas autônomos de amanhã. Essa tecnologia também encontrará seu caminho em robótica, dispositivos vestíveis e no setor médico.  

Computação Avançada: Você pode esperar ver sistemas de IA avançados utilizando essa tecnologia em breve. O consumo reduzido de energia diminuirá os custos operacionais desses sistemas, tornando-os uma opção atraente em relação ao status quo. Além disso, à medida que o design do chip synstor melhorar, ele impulsionará maior adoção. 

Militar: Os militares são um dos maiores defensores da IA. Sistemas de IA podem auxiliar no rastreamento, direcionamento, planejamento e logística, aprimorando as capacidades operacionais de qualquer exército que os utilize. No futuro, você verá sistemas de IA alimentando munições de patrulha avançadas e drones, ajudando os planejadores a manter a consciência situacional.. 

Veículos Autônomos: Um dos principais casos de uso para IA avançada é pilotar veículos autônomos. O sonho de carros totalmente autônomos tem demorado a se consolidar, mas os avanços recentes aproximaram a visão como nunca antes. Esta mais recente descoberta em IA ajudará a melhorar o desempenho e abrirá caminho para veículos autônomos mais avançados capazes de voar e muito mais. 

Esta tecnologia um dia ajudará a tornar as comunidades mais seguras e suas tarefas diárias mais fáceis. No entanto, ainda há alguns detalhes e obstáculos que a tecnologia deve superar antes de se tornar dominante. Apesar dos atrasos, a adoção comercial potencial é estimada em 5–10 anos, com aplicações de curto prazo em tarefas de IA de baixa potência especializadas. 

Conheça a Equipe de Pesquisa Por Trás Desta Revolução em IA

Engenheiros do Departamento de Computação e Engenharia Elétrica da Texas A&M e da Universidade da Califórnia – Los Angeles colaboraram para trazer este estudo à luz. Especificamente, Jungmin Lee, Rahul Shenoy e Atharva Deo lideraram a pesquisa. 

Eles contaram com a ajuda de uma equipe de engenheiros, incluindo Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian-Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu e Yong Chen. Notavelmente, o estudo recebeu financiamento da Air Force Office of Scientific Research. 

 A Perspectiva de Negócios: Como a NVIDIA e Outros Estão Avançando a IA Neuromórfica

 a corrida da IA está em andamento, e empresas concorrentes estão gastando bilhões para tentar dominar o setor. A natureza relativamente disruptiva da IA significa que há novas oportunidades para empresas como a OpenAI surgirem do nada e garantirem um lugar de destaque no mercado. Embora seja muito difícil determinar quem será o próximo novo player no setor, é fácil ver quem tem dominado o mercado nos últimos anos.  

NVIDIA Corporation

NVIDIA (NVDA ) entrou no mercado em 1993 e está sediada na Califórnia. O agora mundialmente famoso fabricante de placas gráficas 3D pioneirou ASIC e outros designs revolucionários ao longo dos anos. Essas atualizações ajudaram a empresa a se reposicionar de uma empresa de placas gráficas para jogos para um dos nomes mais reconhecidos no setor de IA.

 O crescimento da NVIDIA não passou despercebido. Suas ações tiveram um crescimento considerável e, em junho de 2024, a empresa atingiu uma capitalização de mercado de US$ 3 trilhões. Hoje, a NVIDIA é líder em hardware de IA neuromórfica e de borda. Como tal, está fortemente envolvida no design de eficiência de inferência de IA e arquiteturas inspiradas no cérebro. Aqueles que buscam uma ação de IA confiável e comprovada devem dedicar tempo para pesquisar mais sobre a NVIDIA. 

For a closer look at NVIDIA, make sure to confira nosso destaque sobre este gigante da indústria.

Últimas Notícias sobre a NVIDIA Corporation

O Futuro da IA: Inteligência Natural, Engenharia Artificial

Os engenheiros por trás deste estudo desbloquearam um novo nível de capacidade em IA. Seu novo design de chip permitirá que a IA desenvolva algoritmos mais rápidos e inteligentes. Esses sistemas um dia alimentarão quase todos os componentes da sua vida. Por enquanto, esta pesquisa demonstrou como os cientistas podem encontrar inspiração na natureza e no corpo humano para impulsionar a inovação a novos patamares.. 

Saiba mais sobre outros projetos de IA interessantes agora.

Estudos Referenciados:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). Circuito de resistor sináptico baseado em HfZrO para um sistema inteligente Super-Turing. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}