IBM apresenta processador neuromórfico que imita o cérebro

Do blog de Stanilaw Calandreli

Siga o Jornal GGN no Google e receba as principais notícias do Brasil e do Mundo

Seguir no Google

do Inovação Tecnológica

IBM apresenta processador neuromórfico que imita o cérebro

Arquitetura do núcleo básico – o processador TrueNorth, no destaque, tem 4096 deles em uma matriz 64 x 64.[Imagem: IBM Research]

Processador que imita o cérebro

Em 2011, a IBM apresentou os seus primeiros processadores que imitam o cérebro.

Dois anos depois, a empresa anunciou que havia descoberto como programar esses processadores cognitivos.

Agora a empresa deu o passo previamente prometido, de conectar seus chips neuromórficos para criar uma arquitetura que pode crescer à vontade, adicionando neurônios conforme a necessidade de processamento.

O resultado é um chip multinúcleo – chamado TrueNorth – com conexões que imitam o cérebro e uma arquitetura capaz de executar tarefas em tempo real consumindo uma quantidade mínima de energia em relação aos processadores tradicionais.

O núcleo básico é composto por 256 linhas de entrada – que representam os axônios – e 256 linhas de saída – os neurônios.

Foram conectados mais de 4.000 desses núcleos, criando um processador digital com 1 milhão de neurônios e mais de 256 milhões de sinapses programáveis – para comparação, em 2011 o chip tinha 1 núcleo, 256 neurônios e 262 mil sinapses.

Com seus 5,4 bilhões de transistores, o que o torna um dos maiores chips já construídos – em termos de transistores, já que ele tem o tamanho de um selo postal -, o TrueNorth consumiu apenas 70 mW para executar 46 bilhões de operações sinápticas por segundo.

Isto é possível porque, ao contrário dos processadores tradicionais (arquitetura von Neumann), que funcionam por inteiro o tempo todo, o processador neuromórfico (arquitetura de rede neural pulsada) é controlado por eventos, o que significa que cada sinapse só funciona quando é necessário.

• Processador neuromórfico supera processadores digitais

• Reconhecimento de padrões

  O processador neuromórfico foi testado executando com sucesso um teste de detecção de imagens, que consistia em identificar objetos como pessoas ou ciclistas contra uma imagem de fundo.

  Tal como o cérebro, a rede neural do processador consegue executar tarefas como o reconhecimento de padrões de forma muito mais eficiente do que os processadores convencionais.

  No início deste ano, pesquisadores alemães usaram um outro processador neuromórfico para rodar outros tipos de programa.

  Segundo a equipe da IBM, os chips TrueNorth podem ser montados para criar sistemas com centenas de milhares de núcleos, centenas de milhões de neurônios e centenas de bilhões de sinapses.

  “Embora o hardware de hoje tenha sido fabricado através de um moderno processo CMOS, a arquitetura está pronta para explorar os futuros avanços em memória, integração 3D, lógica e tecnologias de sensores para alcançar um consumo de energia ainda mais baixo, maior densidade de transistores e maior velocidade,” afirma a IBM.

  Arquitetura complementar

  A equipe anunciou que o próximo objetivo é construir um processador sináptico com 10 bilhões de neurônios e 100 trilhões de sinapses, quando então será possível pensar em aplicações práticas – embora ainda não algo como umcérebro artificial.

  Segundo Paul Merolla, coordenador da equipe, o chip básico e a possibilidade de sua interconexão abrem caminho para o projeto de processadores voltados para tarefas nas quais os processadores de computador convencionais não são muito bons – ou seja, ele não prevê uma substituição dos processadores atuais, mas uma complementaridade entre as duas arquiteturas.

   

  • Como os computadores pretendem imitar o cérebro

   

  Bibliografia:

  A million spiking-neuron integrated circuit with a scalable communication network and interface
  Paul A. Merolla, John V. Arthur, Rodrigo Alvarez-Icaza, Andrew S. Cassidy, Jun Sawada, Filipp Akopyan, Bryan L. Jackson, Nabil Imam, Chen Guo, Yutaka Nakamura, Bernard Brezzo, Ivan Vo, Steven K. Esser, Rathinakumar Appuswamy, Brian Taba, Arnon Amir, Myron D. Flickner, William P. Risk, Rajit Manohar, Dharmendra S. Modha
  Science
  Vol.: 345, 6197 – 668-673
  DOI: 10.1126/science.1254642