Agora é possível incorporar duas funções neurais fundamentais em um único chip

Recentemente, foi desenvolvido um chip capaz de incorporar duas funções neurais básicas em um único dispositivo. Esse avanço tecnológico representa uma grande conquista para a inteligência artificial, pois permite a realização de tarefas complexas com maior eficiência e rapidez.

Pesquisadores chineses desenvolveram um chip capaz de realizar as duas funções neurais básicas do cérebro humano que estão no cerne da computação neuromórfica. O dispositivo combina níveis ajustáveis de condutividade elétrica, para imitar as sinapses, e disparos por picos de tensão, para imitar os neurônios, tudo em um único transístor de efeito de campo (FET) feito com semicondutor seleneto de índio (In2Se3), um material ferroelétrico.

O chip experimental apresentou alta velocidade de processamento e baixo consumo de energia, duas características essenciais da computação neuromórfica. Além disso, o dispositivo operou em temperatura ambiente e obteve taxas de precisão impressionantes, com quase 72% de precisão na classificação de expressões e mais de 95% no reconhecimento facial em uma rede neural estática.

A taxa de reconhecimento dinâmico para imagens digitais foi de quase 85%, evidenciando uma capacidade de aprendizado e eficiência mais robusta do que a rede neural estática.

Uma vantagem notável desta demonstração é que as duas funções neuromórficas foram incorporadas em um único chip, usando circuitos modulares com materiais idênticos. O professor Su-Ting Han, da Universidade Shenzhen, destacou que o método de reconfiguração utilizado é altamente eficaz e a capacidade de projetar blocos de construção personalizados oferece novas possibilidades para a criação de computadores similares ao cérebro.

O que são funções neurais?

Funções neurais são funções matemáticas que são usadas para modelar o comportamento dos neurônios biológicos. Elas são usadas em redes neurais artificiais, que são modelos computacionais que imitam o funcionamento do cérebro humano.

As funções neurais são responsáveis por introduzir a não-linearidade nas redes neurais. Isso significa que elas permitem que as redes neurais aprendam e modelem relações complexas nos dados.

Existem muitos tipos diferentes de funções neurais, cada uma com suas próprias características e aplicações. Algumas das funções neurais mais comuns incluem:

• Função degrau: é a função neural mais simples. Ela retorna um valor de 1 se a entrada for maior ou igual a um determinado valor e um valor de 0 caso contrário.
• Função sigmoide: é uma função neural não linear que é frequentemente usada em redes neurais de classificação. Ela retorna um valor entre 0 e 1, que pode ser interpretado como a probabilidade de uma determinada classe ser correta.
• Função tangente hiperbólica: é outra função neural não linear que é frequentemente usada em redes neurais de classificação. Ela retorna um valor entre -1 e 1.
• Função ReLU (função de ativação linear retificada): é uma função neural não linear que é frequentemente usada em redes neurais profundas. Ela retorna o valor máximo entre a entrada e 0.

A escolha da função neural adequada para uma determinada aplicação depende de vários fatores, incluindo o tipo de dados que serão usados, o tipo de tarefa que será realizada e as preferências do desenvolvedor.

Aqui estão alguns exemplos de como as funções neurais são usadas em inteligência artificial:

• Classificação: as funções neurais podem ser usadas para classificar dados em diferentes categorias. Por exemplo, elas podem ser usadas para classificar imagens em objetos ou para classificar texto em categorias de tópicos.
• Reconhecimento de padrões: as funções neurais podem ser usadas para identificar padrões em dados. Por exemplo, elas podem ser usadas para identificar rostos em imagens ou para identificar fraudes em transações financeiras.
• Regressão: as funções neurais podem ser usadas para prever valores futuros. Por exemplo, elas podem ser usadas para prever o preço de ações ou para prever o tempo.

As funções neurais são uma ferramenta poderosa que pode ser usada para resolver uma ampla gama de problemas em inteligência artificial.

Achou útil essa informação? Compartilhe com seus amigos!