A comunidade de computação está buscando novas tecnologias para permitir melhorias contínuas de desempenho em substituição à lei de Moore e ao escalonamento de Dennard, que chegam ao fim. Uma das alternativas é a adoção dos chamados computadores neuromórficos, que teriam um sistema de funcionamento mais parecido com os cérebros humanos.
De acordo com a empresa de pesquisa Market Research Future, o tamanho global do mercado de computação neuromórfica, avaliado em US$ 1,9 bilhão em 2022, deve aumentar para US$ 2,29 bilhões em 2023 e chegar a US$ 10,5 bilhões em 2032, apresentando uma taxa de crescimento anual de 21% no período entre 2023 e 2032.
O termo neuromórfico foi criado por Carver Mead no final da década de 1980 e, naquela época, referia-se principalmente a implementações mistas analógico-digitais de computação inspirada no cérebro. Porém,, à medida que o campo continuou a evoluir e com o advento de oportunidades de financiamento em grande escala para sistemas de computação inspirados no cérebro, como o projeto DARPA Synapse e o Projeto Cérebro Humano da União Europeia, o termo neuromórfico passou a abranger uma variedade mais ampla de implementações de hardware.
A computação neuromórfica replica características de redes neurais biológicas em circuitos eletrônicos, seja de forma analógica ou digital. Essa abordagem visa tanto ajudar a neurociência a entender os mecanismos de aprendizagem e desenvolvimento cerebral quanto aplicar esses princípios à computação cognitiva de forma genérica. Acredito que as suas principais vantagens incluem eficiência energética, rapidez, resistência a falhas e capacidade de aprendizado.
Recentemente, o Centro Internacional de Sistemas Neuromórficos (ICNS, sigla em inglês), da Western Sydney University, anunciou o primeiro supercomputador do mundo capaz de simular redes na escala do cérebro humano. O DeepSouth, como foi nomeado, utiliza um sistema neuromórfico que replica processos biológicos e é capaz de realizar 228 trilhões de operações sinápticas por segundo, semelhante ao cérebro humano.
Este computador possui um "chip" que "visualiza" e cria memórias de maneira semelhante aos humanos. Assim, cria a possibilidade de aplicações serem capazes de tomar decisões rápidas e complexas, como no processamento de imagens para a navegação de drones e carros autônomos.
O chip neuromórfico consegue capturar, processar e armazenar informações visuais. Com isso, imita a capacidade do olho humano de capturar a luz, pré-empacotar informações e então transmiti-las pelo nervo óptico. Só que o chip também faz a parte do cérebro, ou seja, ele recebe essas informações, para armazenar e classificar em um sistema de memória, que podemos denominar como uma inteligência artificial em hardware.
Esta inovação promete avanços em dispositivos inteligentes, sensores industriais e agrícolas, e aplicações de IA mais eficientes e econômicas, além de contribuir para a compreensão de cérebros saudáveis e patológicos.
Entre os benefícios do DeepSouth estão o processamento paralelo rápido em larga escala com baixo consumo de energia, a escalabilidade, a reconfigurabilidade por meio de FPGAs (Field Programmable Gate Arrays), a disponibilidade comercial utilizando hardware padrão de mercado, e o potencial para inovações em IA ao replicar a eficiência do cérebro humano.
A crescente demanda por computação neuromórfica requer uma profunda pesquisa e desenvolvimento na fabricação de hardware e software para atender ao valor de mercado, mas esbarra em fontes de financiamento limitadas e na ausência de pessoal qualificado.
No entanto, o desenvolvimento de computadores neuromórficos é um campo emergente e em rápida evolução, representando uma ponte entre a neurociência, a inteligência artificial e a engenharia de hardware.
Paulo Watanave, head of Data & Analytics na NAVA Technology for Business.
