Um grupo de engenheiros da Universidade do Texas em Dallas, nos Estados Unidos, apresentou um protótipo de computador que aprende de forma semelhante ao cérebro humano, abrindo caminho para uma nova geração de inteligência artificial (IA) capaz de operar em dispositivos simples como celulares e wearables.
De acordo com a Interesting Engineering, o projeto, liderado por Joseph S. Friedman, professor associado de engenharia elétrica e computacional e chefe do laboratório NeuroSpinCompute, aposta em uma arquitetura chamada computação neuromórfica, que replica o modo como neurônios e sinapses se conectam e se adaptam no cérebro.
Diferentemente dos sistemas atuais de IA, que dependem de grandes volumes de dados e de imensa capacidade computacional, o novo chip é capaz de reconhecer padrões e fazer previsões com muito menos processamento. Segundo Friedman, o avanço pode transformar o modo como as máquinas aprendem e reduzir drasticamente o consumo de energia.
“Computadores inspirados no cérebro podem aprender sozinhos sem depender de bilhões de cálculos”, afirmou o pesquisador em comunicado divulgado pela universidade.
Leia também: O paradoxo do desenvolvedor infinito: para GitHub, IA não reduz, mas multiplica número de programadores
Princípio da aprendizagem natural
A proposta se baseia na chamada lei de Hebb, formulada pelo neuropsicólogo Donald Hebb, que explica como conexões entre neurônios se fortalecem quando são ativadas em conjunto. A equipe de Friedman traduziu essa lógica para o hardware: quando um “neurônio artificial” dispara e estimula outro, a conexão entre eles se torna mais condutiva.
Essa capacidade de autoajuste permite que o sistema aprenda continuamente, sem precisar ser reprogramado. A ideia é que cada experiência “reforce” as conexões mais úteis de modo parecido com a plasticidade cerebral.
O núcleo do protótipo utiliza junções de túnel magnético (MTJs), dispositivos nanométricos formados por duas camadas magnéticas separadas por um isolante. Quando os campos magnéticos dessas camadas se alinham, os elétrons passam com mais facilidade; quando não se alinham, a passagem se torna mais difícil.
Ao interligar essas junções em rede, os cientistas criaram um sistema que modifica suas próprias conexões conforme os sinais passam por ele. O comportamento imita o fortalecimento e o enfraquecimento das sinapses biológicas durante o processo de aprendizado.
Além disso, as MTJs oferecem armazenamento de dados mais confiável, graças ao seu comportamento binário, um desafio que historicamente limitou outras tentativas de criar chips neuromórficos.
Rumo a máquinas cerebrais escaláveis
O próximo passo do projeto é ampliar a escala do protótipo para lidar com tarefas mais complexas e processar informações em tempo real. Friedman acredita que sistemas maiores poderão executar modelos de IA localmente, em dispositivos de borda, sem depender da nuvem.
Essa eficiência pode reduzir o consumo energético de data centers, hoje pressionados pelo crescimento dos modelos generativos, e permitir que dispositivos pessoais ganhem capacidade de aprendizado próprio.
“Se tivermos sucesso, telefones e dispositivos inteligentes poderão pensar e se adaptar sozinhos, sem conexão constante com servidores remotos”, explicou Friedman.
O estudo completo foi publicado na revista Communications Engineering, e representa um avanço relevante no campo da computação inspirada no cérebro, que busca unir o melhor da biologia e da eletrônica para criar IAs realmente autônomas e sustentáveis.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
