Intel revela computador de IA que imita o cérebro humano; entenda

Os cientistas da fabricante de chips e processadores Intel construíram o "Hala Point", maior computador neuromórfico do mundo. Este tipo de computador é projetado para imitar o funcionamento do cérebro humano. 

• Confira as últimas notícias de Tecnologia

O Hala Point oferece desempenho 50 vezes superior em tarefas de inteligência artificial e consumo de energia 100 vezes menor que os sistemas de computação tradicionais, que usam unidades centrais de processamento (CPUs) e unidades de processamento gráfico (GPUs). Essa característica o torna ideal para pesquisas em inteligência artificial (IA).

Segundo o comunicado da Intel, o computador instalado nos Laboratórios Nacionais Sandia, no Novo México, é alimentado por:

• 1.152 processadores Loihi 2, um chip de pesquisa neuromórfica, que em grande escala compreende a 1,15 bilhão de neurônios artificiais;

• Processa 128 bilhões de sinapses artificiais;

• Realiza 380 trilhões de operações sinápticas por segundo;

• Faz 240 trilhões de operações neurais por segundo;

• Distribuída por 140.544 núcleos de processamento;

• Faz 20 quatrilhões (número 20, seguido de 15 zeros) de operações por segundo ou 20 petaops;

Um computador neuromórfico opera de maneira distinta em relação às máquinas convencionais.

Para efeito comparativo, o Trinity, 38º supercomputador mais poderoso do mundo, tem perto de 20 petaflops de potência -- um flop é uma operação de ponto flutuante por segundo.

O supercomputador mais poderoso do mundo, o Frontier, tem desempenho de 1.194 petaflops ou 1,2 exaflops.

Tá certo, mas como funciona um computador que imita o cérebro?

Estas máquinas funcionam de forma diferente dos computadores que usamos no dia a dia.

• Na computação básica, os bits binários de 1 segundo e 0 segundo fluem para o hardware como CPU, GPU ou memória antes de processar os cálculos em sequência para gerar uma saída binária.

• É uma forma como a máquina 'se organiza' para processar uma ordem dada por um humano, por exemplo.

• No caso da computação neuromórfica, acontece uma “entrada de pico”, ou seja, um conjunto de sinais elétricos discretos alimenta as redes neurais de pico, chamadas de SNNs, sendo os processadores. 

• As redes neurais baseadas em um programa são uma coleção de algoritmos (algo como ordens prontas) de aprendizado de máquina organizados para imitar um cérebro humano.

• Já os SNNs são uma representação física sobre como essa informação é transmitida, permitindo o processamento paralelo e as saídas de pico são medidas após os cálculos. 

• Ou seja, os dados são transmitidos por um sistema e lá as ordens acontecem. 

• Assim como nossos cérebros que processam várias informações ao mesmo tempo, como pensar, ler esta reportagem, ouvir o ambiente e mexer os dedos no celular, por exemplo. 

• Os processadores do Hala Point e Loihi 2 usam os SNNs, onde os nós são conectados e as informações são processadas em várias camadas, assim como os neurônios agem no nosso cérebro. 

Os chips agem integrando a memória e o poder de cálculo em um só lugar. Nos computadores convencionais, isso acontece separadamente, gastando mais energia para fazer as tarefas.

Por que isso é importante para o desenvolvimento da inteligência artificial?

Os primeiros resultados da nova tecnologia mostram que o Hala Point obteve alta eficiência energética para carga de trabalho de IA de 15 trilhões de operações por watt (TOPS/W).

Se comparado com outras unidades de processamento neural convencionais (NPUs) e outros sistemas de IA, o desempenho de trabalho fica inferior a 10 TOPS/W.

A computação neuromórfica ainda é um campo a ser explorado. Existem poucas máquias como a da Intel.

A Western Sydney University, da Austrália, por meio dos pesquisadores do Centro Internacional de Sistemas Neuromórficos (ICNS), anunciou planos para construir um computador semelhante. 

Chamado de “DeepSouth”, a máquina poderia operar semelhante à taxa de operações do cérebro humano, alcançando picos de 228 trilhões de operações sinápticas por segundo em seu novo computador.

Estas máquinas poderão gerar novos grandes modelos de linguagem (LLMs), como o ChatGPT, da OpenAI, o Lamda, do Google, ou o Llama da Meta, e entre outros, que poderiam aprender continuamente por meio de novos dados, reduzindo a carga de treinamento referente à demorada implantação dos sistemas IA.