ChatGPT e outras IA incrivelmente mais rápidas e eficientes com esta tecnologia "luminosa"
Atualmente, as tecnologias de aprendizado de máquina e IA estão em rápida expansão, desde tarefas de visão até geração de texto, como ilustrado pelo ChatGPT. No entanto, esse crescimento exigente em recursos levou a redes neurais cada vez mais complexas, contendo às vezes bilhões de parâmetros, o que é insustentável em termos energéticos.
Para responder a essa problemática, o campo da computação neuromórfica busca substituir as redes neurais digitais por redes físicas, capazes de realizar as mesmas operações matemáticas de maneira mais rápida e eficiente. As plataformas ópticas e fotônicas mostram-se particularmente promissoras devido ao seu baixo consumo de energia e à sua velocidade de cálculo limitada apenas pela velocidade da luz.
No entanto, dois desafios maiores permanecem: a necessidade de altas potências de laser para realizar cálculos matemáticos complexos e a ausência de um método de aprendizado eficaz para essas redes físicas. O método proposto por Clara Wanjura e Florian Marquardt supera esses obstáculos modificando a transmissão da luz.
Essa abordagem permite evitar as interações físicas complicadas necessárias para as funções matemáticas, reduzindo assim a necessidade de alta potência luminosa. Além disso, o aprendizado e a inferência (a exploração) da rede tornam-se mais simples, bastando enviar luz através do sistema e observar a luz transmitida.
Sistema neuromórfico totalmente não linear com propagação linear de ondas.
Crédito: Nature Physics (2024). DOI: 10.1038/s41567-024-02534-9
As simulações dos pesquisadores demonstraram que esse método pode ser utilizado para tarefas de classificação de imagens com precisão equivalente à das redes digitais. As próximas etapas incluem colaborações experimentais para explorar a implementação desse método em diferentes plataformas, abrindo assim novas possibilidades para dispositivos neuromórficos.