Por Zoe Corbyn, Repórter de Tecnologia
Imagens GettyO apetite da computação moderna por eletricidade está aumentando a um ritmo alarmante.
Até 2026, o consumo por centros de dados, inteligência artificial (IA) e criptomoeda poderá ser até o dobro dos níveis de 2022, de acordo com um relatório recente do Agência Internacional de Energia (AIE).
Estima-se que em 2026 o consumo de energia desses três setores poderá ser aproximadamente equivalente às necessidades anuais de energia do Japão.
Empresas como a Nvidia — cujos chips de computador sustentam a maioria das aplicações de IA atualmente — estão trabalhando no desenvolvimento de hardware com maior eficiência energética.
Mas um caminho alternativo poderia ser construir computadores com um tipo de arquitetura fundamentalmente diferente, que fosse mais eficiente em termos de energia?
Algumas empresas certamente pensam assim e estão se baseando na estrutura e na função de um órgão que usa uma fração da potência de um computador convencional para executar mais operações com mais rapidez: o cérebro.
Na computação neuromórfica, dispositivos eletrônicos imitam neurônios e sinapses e são interconectados de uma forma que lembra a rede elétrica do cérebro.
Não é novidade — pesquisadores trabalham nessa técnica desde a década de 1980.
Mas os requisitos de energia da revolução da IA estão aumentando a pressão para levar a tecnologia emergente ao mundo real.
Os sistemas e plataformas atuais existem principalmente como ferramentas de pesquisa, mas os proponentes dizem que podem proporcionar enormes ganhos em eficiência energética,
Entre aqueles com ambições comerciais estão gigantes de hardware como Intel e IBM.
Um punhado de pequenas empresas também está em cena. “A oportunidade está lá esperando pela empresa que pode descobrir isso”, diz Dan Hutcheson, analista da TechInsights. “[And] a oportunidade é tal que pode ser um assassino da Nvidia”.
Sistemas SpiNNcloudEm maio, a SpiNNcloud Systems, uma spinout da Universidade de Tecnologia de Dresden, anunciou que começará a vender supercomputadores neuromórficos pela primeira vez e está aceitando encomendas.
“Chegamos à comercialização de supercomputadores neuromórficos à frente de outras empresas”, afirma Hector Gonzalez, seu copresidente executivo.
É um desenvolvimento significativo, diz Tony Kenyon, professor de materiais nanoeletrônicos e nanofotônicos na University College London que trabalha na área.
“Embora ainda não haja um aplicativo matador… há muitas áreas em que a computação neuromórfica proporcionará ganhos significativos em eficiência energética e desempenho, e tenho certeza de que começaremos a ver uma ampla adoção da tecnologia à medida que ela amadurece”, diz ele.
A computação neuromórfica abrange uma série de abordagens — desde uma abordagem mais inspirada no cérebro até uma simulação quase total do cérebro humano (do qual realmente não chegamos nem perto).
Mas há algumas propriedades básicas de design que o diferenciam da computação convencional.
Primeiro, diferentemente dos computadores convencionais, os computadores neuromórficos não têm unidades de memória e processamento separadas. Em vez disso, essas tarefas são executadas juntas em um chip em um único local.
Eliminar a necessidade de transferir dados entre os dois reduz a energia usada e acelera o tempo de processamento, observa o Prof. Kenyon.
Também pode ser comum uma abordagem de computação orientada a eventos.
Em contraste com a computação convencional, onde cada parte do sistema está sempre ligada e disponível para se comunicar com qualquer outra parte o tempo todo, a ativação na computação neuromórfica pode ser mais esparsa.
Os neurônios e sinapses de imitação só são ativados em um momento em que têm algo a comunicar, da mesma forma que muitos neurônios e sinapses em nossos cérebros só entram em ação quando há uma razão.
Trabalhar somente quando há algo para processar também economiza energia.
E enquanto os computadores modernos são digitais – usando 1s ou 0s para representar dados – uma computação neuromórfica pode ser analógica.
Historicamente importante, esse método de computação depende de sinais contínuos e pode ser útil quando dados vindos do mundo externo precisam ser analisados.
Entretanto, por razões de facilidade, a maioria dos esforços neuromórficos orientados comercialmente são digitais.
As aplicações comerciais previstas se enquadram em duas categorias principais.
Um deles, no qual o SpiNNcloud está focado, é fornecer uma plataforma com maior eficiência energética e desempenho superior para aplicativos de IA, incluindo análise de imagem e vídeo, reconhecimento de fala e os modelos de linguagem ampla que alimentam chatbots como o ChatGPT.
Outra está em aplicações de “edge computing” – onde os dados são processados não na nuvem, mas em tempo real em dispositivos conectados, mas que operam com restrições de energia. Veículos autônomos, robôs, celulares e tecnologia vestível podem se beneficiar.
Desafios técnicos, no entanto, permanecem. Há muito tempo considerado um grande obstáculo ao avanço da computação neuromórfica, em geral, é desenvolver o software necessário para que os chips rodem.
Embora ter o hardware seja uma coisa, ele deve ser programado para funcionar, e isso pode exigir o desenvolvimento do zero de um estilo de programação totalmente diferente daquele usado pelos computadores convencionais.
“O potencial desses dispositivos é enorme… o problema é como fazê-los funcionar”, resume o Sr. Hutcheson, que prevê que levará pelo menos uma década, se não duas, antes que os benefícios da computação neuromórfica sejam realmente sentidos.
Também há problemas com custo. Quer usem silício, como os esforços orientados comercialmente fazem, ou outros materiais, criar chips radicalmente novos é caro, observa o Prof. Kenyon.
IntelO atual protótipo de chip neuromórfico da Intel é chamado Loihi 2.
Em abril, a empresa anunciou que havia reunido 1.152 deles para criar o Hala Point, um sistema de pesquisa neuromórfica em larga escala que compreende mais de 1,15 bilhão de neurônios falsos e 128 bilhões de sinapses falsas.
Com uma capacidade de neurônios aproximadamente equivalente à do cérebro de uma coruja, a Intel afirma ser o maior sistema do mundo até hoje.
No momento, ainda é um projeto de pesquisa para a Intel.
“[But Hala Point] está mostrando que há alguma viabilidade real aqui para aplicações que usam IA”, diz Mike Davies, diretor do laboratório de computação neuromórfica da Intel.
Do tamanho de um forno de micro-ondas, o Hala Point é “comercialmente relevante” e “rápido progresso” está sendo feito no lado do software, ele diz.
A IBM chama seu mais recente protótipo de chip inspirado no cérebro de NorthPole.
Revelado no ano passado, é uma evolução do seu chip protótipo TrueNorth anterior. Testes mostram que ele é mais eficiente em termos de energia, espaço e mais rápido do que qualquer chip atualmente no mercado, diz Dharmendra Modha, cientista chefe de computação inspirada no cérebro da empresa. Ele acrescenta que seu grupo agora está trabalhando para demonstrar que os chips podem ser discados juntos em um sistema maior.
“O caminho para o mercado será uma história por vir”, ele diz. Uma das grandes inovações com o NorthPole, observa o Dr. Modha, é que ele foi coprojetado com o software para que todos os recursos da arquitetura possam ser explorados desde o início.
Outras empresas neuromórficas menores incluem BrainChip, SynSense e Innatera.
IBMO supercomputador da SpiNNcloud comercializa computação neuromórfica desenvolvida por pesquisadores da TU Dresden e da Universidade de Manchester, sob a égide do Projeto Cérebro Humano da UE.
Esses esforços resultaram em dois supercomputadores neuromórficos para fins de pesquisa: a máquina SpiNNaker1, baseada na Universidade de Manchester, composta por mais de um bilhão de neurônios e operacional desde 2018.
Uma máquina SpiNNaker2 de segunda geração na TU Dresden, que está atualmente em processo de configuração, tem capacidade para emular pelo menos cinco bilhões de neurônios. Os sistemas comercialmente disponíveis oferecidos pela SpiNNcloud podem atingir um nível ainda maior de pelo menos 10 bilhões de neurônios, diz o Sr. Gonzalez.
O futuro será de diferentes tipos de plataformas de computação — convencional, neuromórfica e quântica, que é outro novo tipo de computação também no horizonte — todas trabalhando juntas, diz o Prof. Kenyon.
