O cérebro da IBM

ChatGPT, DALL-E, Stable Diffusion e outras IAs generativas conquistaram o mundo. Eles criam poesias e imagens fabulosas. Eles estão se infiltrando em todos os cantos do nosso mundo, desde o marketing até a redação de resumos jurídicos e descoberta de medicamentos. Eles parecem o garoto-propaganda de uma história de sucesso de fusão entre mente homem-máquina.

Mas sob o capô, as coisas parecem menos agradáveis. Estes sistemas são enormes consumidores de energia, exigindo centros de dados que emitem milhares de toneladas de emissões de carbono – acentuando ainda mais um clima já volátil – e absorvem milhares de milhões de dólares. À medida que as redes neurais se tornam mais sofisticadas e mais amplamente utilizadas, o consumo de energia provavelmente disparará ainda mais.

Muita tinta foi derramada sobre a pegada de carbono da IA ​​generativa. A sua procura de energia poderá ser a sua ruína, prejudicando o desenvolvimento à medida que cresce. Usando o hardware atual, “espera-se que a IA generativa pare em breve se continuar a depender de hardware de computação padrão”, disse o Dr. Hechen Wang, do Intel Labs.

Já é hora de construirmos uma IA sustentável.

Esta semana, um estudo da IBM deu um passo prático nessa direção. Eles criaram um chip analógico de 14 nanômetros com 35 milhões de unidades de memória. Ao contrário dos chips atuais, a computação acontece diretamente nessas unidades, eliminando a necessidade de transportar dados de um lado para outro – o que, por sua vez, economiza energia.

O transporte de dados pode aumentar o consumo de energia de 3 a 10.000 vezes acima do necessário para a computação real, disse Wang.

O chip foi altamente eficiente quando desafiado com duas tarefas de reconhecimento de fala. Um, Google Speech Commands, é pequeno, mas prático. Aqui, a velocidade é fundamental. O outro, o Librispeech, é um sistema gigantesco que ajuda a transcrever fala em texto, sobrecarregando a capacidade do chip de processar grandes quantidades de dados.

Quando comparado com computadores convencionais, o chip teve o mesmo desempenho, mas concluiu o trabalho mais rápido e com muito menos energia, usando menos de um décimo do que normalmente é necessário para algumas tarefas.

“Estas são, até onde sabemos, as primeiras demonstrações de níveis de precisão comercialmente relevantes em um modelo comercialmente relevante… com eficiência e paralelismo massivo” para um chip analógico, disse a equipe.

Este dificilmente é o primeiro chip analógico. No entanto, ele empurra a ideia da computação neuromórfica para o reino da praticidade – um chip que um dia poderá alimentar seu telefone, sua casa inteligente e outros dispositivos com uma eficiência próxima à do cérebro.

Hum, o que? Vamos voltar.

Os computadores atuais são construídos na arquitetura Von Neumann. Pense nisso como uma casa com vários cômodos. Uma, a unidade central de processamento (CPU), analisa os dados. Outro armazena memória.

Para cada cálculo, o computador precisa transportar dados entre essas duas salas, o que consome tempo e energia e diminui a eficiência.

O cérebro, em contraste, combina computação e memória em um estúdio. Suas junções em forma de cogumelo, chamadas sinapses, formam redes neurais e armazenam memórias no mesmo local. As sinapses são altamente flexíveis, ajustando a força com que se conectam a outros neurônios com base na memória armazenada e em novos aprendizados – uma propriedade chamada “pesos”. Nossos cérebros se adaptam rapidamente a um ambiente em constante mudança, ajustando esses pesos sinápticos.

A IBM está na vanguarda do projeto de chips analógicos que imitam a computação cerebral. Um avanço veio em 2016, quando introduziram um chip baseado em um material fascinante normalmente encontrado em CDs regraváveis. O material muda seu estado físico e muda de forma de uma sopa pegajosa para estruturas semelhantes a cristal quando eletrocutado – semelhante a um 0 e 1 digital.

Aqui está a chave: o chip também pode existir em estado híbrido. Em outras palavras, semelhante a uma sinapse biológica, a sinapse artificial pode codificar uma infinidade de pesos diferentes – não apenas binários – permitindo acumular vários cálculos sem ter que mover um único bit de dados.

O novo estudo baseou-se em trabalhos anteriores, utilizando também materiais de mudança de fase. Os componentes básicos são “blocos de memória”. Cada um está repleto de milhares de materiais de mudança de fase em uma estrutura de grade. Os ladrilhos comunicam-se facilmente entre si.