Redação do Site Inovação Tecnológica - 16/08/2017
Aprendizado organísmico
Enquanto os memoristores estão ajudando a computação neuromórfica graças à sua capacidade de memória, uma nova tecnologia de computação, batizada de "organismoide", imita alguns aspectos do pensamento humano por meio do esquecimento, aprendendo a esquecer memórias sem importância, mas mantendo as lembranças vitais.
"O cérebro humano é capaz de uma aprendizagem contínua ao longo da vida. E ele faz isso parcialmente esquecendo-se de algumas informações que não são críticas. Eu aprendo devagar, mas continuo esquecendo outras coisas no decorrer do tempo, então há uma suave degradação na minha precisão de detecção das coisas mais antigas.
"O que estamos tentando fazer é imitar esse comportamento do cérebro até certo ponto, para criar computadores que não só aprendam novas informações, mas também aprendam o que esquecer," explicou o professor Kaushik Roy, da Universidade Purdue, nos EUA.
Organismoides
Um elemento central dessa nova arquitetura computacional é um "material quântico" chamado niquelato de samário (SmNiO3), que foi usado para criar os dispositivos batizados pela equipe de "organismoides" - essa cerâmica já havia sido também usada para fabricar transistores sinápticos.
Quando exposto ao gás hidrogênio, o material sofre uma maciça mudança em sua resistência elétrica conforme sua rede cristalina é "dopada" pelos átomos de hidrogênio. É como se o material respirasse, expandindo-se quando o hidrogênio é adicionado e contraindo-se quando o hidrogênio é removido.
"O principal aspecto sobre esse material é que, quando ele respira no hidrogênio, há um efeito mecânico quântico espetacular que permite que a resistência mude por várias ordens de grandeza," explica o pesquisador Shriram Ramanathan. "Isso é muito incomum, e o efeito é reversível porque este dopante fica fracamente ligado à rede [cristalina]; então, se você remover o hidrogênio do ambiente, você pode mudar a resistência elétrica [do material]".
Quando o hidrogênio entra em contato com o niquelato de samário, ele se divide em um próton e um elétron, e o elétron se liga ao níquel, fazendo com que o material se torne um isolante - e a extensão da condutividade e do isolamento pode ser cuidadosamente ajustada controlando-se a densidade do hidrogênio.
Habituação e esquecimento catastrófico
Essa mudança de condutância e o decaimento dessa condutância ao longo do tempo é semelhante a um comportamento animal chamado habituação.
"Muitos animais, mesmo organismos que não têm cérebro, possuem essa habilidade de sobrevivência fundamental," explica Roy. "E é por isso que chamamos esse comportamento de organísmico. Se eu vejo certas informações regularmente, fico habituado, mantendo a memória disso. Mas se eu fico sem ver essa informação por muito tempo, então ela começa lentamente a decair. O comportamento de condutância, subindo e descendo de forma exponencial, pode ser usado para criar um novo modelo computacional que aprenderá incrementalmente e, ao mesmo tempo, esquecerá as coisas de maneira adequada."
A equipe desenvolveu um modelo de aprendizagem neural, que denominaram plasticidade sináptica adaptativa, e o implementaram nos organismoides de niquelato de samário.
"Com esse efeito, conseguimos modelar algo que é um problema real na computação neuromórfica," disse Roy. "Por exemplo, se eu aprender suas características faciais, eu ainda posso sair e aprender as características faciais de outra pessoa sem realmente esquecer as suas. No entanto, isso é difícil para os modelos de computação fazerem. Ao aprender suas características, eles podem esquecer as características da pessoa original, um problema chamado esquecimento catastrófico."
Circuito integrado de organismoides
Embora haja muita expectativa em relação aos computadores que funcionem de forma mais parecida com o cérebro humano, a computação neuromórfica provavelmente não substituirá o hardware convencional de uso geral em um futuro próximo. Ocorre que a computação baseada nos transistores é especialmente eficaz na realização de cálculos matemáticos complexos, enquanto a computação neuromórfica pode ser melhor em tarefas como o reconhecimento facial e de voz e a tomada de decisões não-binárias, mais parecidas com as decisões humanas.
Antes disso, porém, para que seja possível mostrar todas as capacidades computacionais dos seus organismoides, a equipe pretende demonstrar a habituação em um circuito integrado, em vez de ficar expondo o material ao gás hidrogênio em uma câmara selada.