IBM lança chip de IA analógico inspirado no funcionamento do cérebro humano

A IBM Research revelou um avanço promissor no campo da inteligência artificial (IA) com o lançamento de um chip de IA analógico que se baseia na arquitetura do cérebro humano. Enquanto as redes neurais profundas têm sido os protagonistas das conquistas emocionantes da IA generativa, a sua configuração tem sido um obstáculo virtual para a eficiência máxima. No entanto, a IBM encontrou inspiração na estrutura do cérebro humano para superar esse desafio.

O artigo intitulado “A 64-core mixed-signal in-memory compute chip based on phase-change memory for deep neural network inference” (Um chip de computação em memória de sinal misto de 64 núcleos baseado em memória de mudança de fase para inferência de redes neurais profundas, em tradução livre) publicado na Nature Electronics em 10 de agosto, apresenta a nova abordagem dos pesquisadores da IBM.

Eles criaram um chip de IA de sinal misto de última geração, projetado para melhorar a eficiência e reduzir o consumo de bateria em projetos de IA.

Thanos Vasilopoulos, co-autor do estudo e pesquisador do laboratório de pesquisa da IBM em Zurique, Suíça, explicou: “O cérebro humano é capaz de alcançar um desempenho notável consumindo pouca energia.”

Como o chip funciona

O chip de sinal misto da IBM opera de maneira semelhante à forma como os neurônios interagem no cérebro.
Ele possui 64 núcleos analógicos em memória, cada um abrigando uma matriz de unidades de células sinápticas.
Conversores garantem transições suaves entre estados analógicos e digitais.
De acordo com a IBM, os chips atingiram uma taxa de precisão de 92,81% no conjunto de dados CIFAR-10, uma coleção amplamente usada de imagens para treinamento em aprendizado de máquina.

Mostramos uma precisão de inferência quase equivalente ao software com ResNet e redes de memória de longo prazo.

Thanos Vasilopoulos

ResNet, abreviação de rede neural residual, é um modelo de aprendizado profundo que permite o treinamento em milhares de camadas de uma rede neural sem prejudicar o desempenho.

Veja também:

Messias Vs Inteligência Artificial

https://www.youtube.com/watch?v=mhrEk0Z0Tdc