Informática

Inteligência artificial vai rodar em hardware analógico

Hardware analógico dedicado para inteligência artificial bate digital
Ilustração do chip formado por memoristores - ou memórias de acesso aleatório resistivas não-voláteis (ReRAM).[Imagem: IBM Research]

Hardware analógico

Assistentes versáteis e um tanto inteligentes, como o Alexa e o Echo, já estão presentes em muitos lares.

Mas ainda é pouco perto do que a inteligência artificial pode fazer.

Imagine, por exemplo, uma inteligência artificial personalizada, onde seu celular reconhece sua voz mesmo em um local barulhento, entendendo o contexto de diferentes situações sociais ou apresentando apenas a informação que é relevante para você, ou mesmo checando notícias que você recebe com fontes fidedignas.

Esses recursos não estão muito distantes. Mas, assim como as GPUs - as placas gráficas - trouxeram um novo nível de qualidade para os vídeos, a inteligência artificial exigirá seus próprios aceleradores de hardware, que deverão ser rápidos e eficientes em termos energéticos.

Stefano Ambrogio e seus colegas da IBM Research acreditam ter encontrado o caminho para esse hardware - segundo eles, a saída está em componentes, não digitais, mas analógicos. Mais especificamente, em memoristores, também conhecidos como sinapses artificiais, que funcionam como células de memória analógica não voláteis e, simultaneamente, fazem as computações.

Hardware dedicado para inteligência artificial

Embora os chips analógicos feitos com memoristores ainda estejam em estágio inicial de desenvolvimento, Stefano e seus colegas usaram uma matriz de 204.900 sinapses artificiais para demonstrar que esse hardware ainda não otimizado já é capaz de treinar redes neurais de aprendizado profundo com a mesma precisão obtida usando as GPUs (unidades processadoras gráficas).

Isto é promissor porque aplicativos reais de inteligência artificial vão exigir uma expansão dos cálculos típicos das redes neurais que não poderá ser obtida com as GPUs, menos ainda levando-se em conta que a intenção é fabricar aparelhos portáteis - e as GPUs são tipicamente intensivas em energia.

"Embora melhores GPUs ou outros aceleradores digitais possam ajudar até certo ponto, esses sistemas inevitavelmente gastam muito tempo e energia movendo os dados da memória para o processamento e vice-versa. Podemos melhorar a velocidade e a eficiência energética realizando cálculos de IA no domínio analógico com a localização correta dos dados - mas isso só faz sentido se as redes neurais resultantes forem tão inteligentes quanto as implementadas com o hardware digital convencional," disse Stefano.

Hardware analógico dedicado para inteligência artificial bate digital
E não é só para inteligência artificial: As memórias neuromórficas são o caminho para cérebros eletrônicos. [Imagem: Quoc An Vu et al. - 10.1038/ncomms12725]

Processamento analógico

As técnicas analógicas, que usam sinais continuamente variáveis, em vez dos 0s e 1s binários, têm limites inerentes de precisão - esta é uma das principais razões por que os computadores são digitais. Mais recentemente, contudo, os pesquisadores de inteligência artificial começaram a perceber que as redes neurais funcionam bem mesmo quando a precisão é trazida a um nível inaceitável para os outros programas de computador.

É por isso que a equipe da IBM está interessada em desenvolver um hardware dedicado para inteligência artificial que gaste muito menos energia. E o que eles fizeram agora foi provar de forma definitiva que o hardware analógico, construído com as memórias não-voláteis analógicas, pode de fato produzir resultados equivalentes aos obtidos com um hardware digital.

"Em nosso artigo, descrevemos como as memórias não-voláteis analógicas podem acelerar de forma eficiente o algoritmo de 'retropropagação' que é o coração de muitos avanços recentes da IA. Essas memórias permitem que as operações de 'mulplica-acumula' usadas nesses algoritmos sejam paralelizadas no domínio analógico [...] Em vez de grandes circuitos para multiplicar e adicionar os números digitais, nós simplesmente passamos uma pequena corrente através de um resistor em um fio, e então conectamos muitos desses fios para deixar as correntes se acumularem.

"Isso nos permite realizar muitos cálculos ao mesmo tempo, em vez de um após o outro. E, em vez de enviar dados digitais em longas viagens entre os chips de memória digital e os chips de processamento, podemos realizar toda a computação dentro do chip de memória analógica," detalhou Stefano.

Com a demonstração, a equipe ganha agora novo fôlego para se dedicar a otimizar seu hardware analógico.

Bibliografia:

Equivalent-accuracy accelerated neural-network training using analogue memory
Stefano Ambrogio, Pritish Narayanan, Hsinyu Tsai, Robert M. Shelby, Irem Boybat, Carmelo di Nolfo, Severin Sidler, Massimo Giordano, Martina Bodini, Nathan C. P. Farinha, Benjamin Killeen, Christina Cheng, Yassine Jaoudi, Geoffrey W. Burr
Nature
Vol.: 558, pages 60-67
DOI: 10.1038/s41586-018-0180-5




Outras notícias sobre:

    Mais Temas