Processador de luz aprende por associação, como os cães de Pavlov

Redação do Site Inovação Tecnológica - 02/08/2022

Ilustração do experimento de Pavlov sobre aprendizado associativo em um chip.
[Imagem: Zengguang Cheng]

IA de Pavlov

Pesquisadores da Alemanha e do Reino Unido desenvolveram um processador óptico - que funciona com luz em vez de eletricidade - capaz de detectar semelhanças em conjuntos de dados até 1.000 vezes mais rápido do que algoritmos convencionais de aprendizado de máquina rodando em processadores eletrônicos.

O novo processador tem uma arquitetura inspirada na descoberta do condicionamento clássico de Ivan Pavlov. Em seus experimentos, Pavlov descobriu que, ao fornecer outro estímulo durante a alimentação, como o som de uma campainha, seus cães começavam a vincular as duas experiências e salivavam apenas com o som. Em outras palavras, as associações repetidas de dois eventos não relacionados ocorrendo ao mesmo tempo podem produzir um reflexo condicional, hoje conhecido como "aprendizado associativo".

As redes neurais usadas na maioria dos sistemas de inteligência artificial (IA) geralmente exigem um número substancial de exemplos de treinamento durante um processo de aprendizado. Por exemplo, treinar um programa para reconhecer um gato de maneira confiável pode usar até 10.000 imagens de gato/não gato, o que representa um elevado custo computacional, de armazenamento, energia etc.

O processador fotônico é baseado em um paradigma diferente, conhecido como Elemento de Aprendizagem Monádica Associativa, ou AMLE, na sigla em inglês (Associative Monadic Learning Element). Em vez de usar o algoritmo de retropropagação, que está no coração de muitos avanços recentes da IA, este mecanismo usa uma memória que aprende padrões para associar características semelhantes em conjuntos de dados - imitando o reflexo condicional observado por Pavlov em seus cães.

As entradas AMLE são pareadas com as saídas corretas para supervisionar o processo de aprendizado, e o material usado como memória pode ser redefinido usando sinais de luz.

Nos testes, o AMLE conseguiu identificar corretamente imagens de gatos/não-gatos após ser treinado com apenas 5 pares de imagens - contra 10.000 da IA tradicional.

Em vez dos tradicionais neurônios e sinapses artificiais, o processador de luz aprende por associação.
[Imagem: James Y. S. Tan et al. - 10.1364/OPTICA.455864]

Aprendizagem associativa por luz

A capacidade de desempenho quase incomparável do novo chip óptico em relação a um processador eletrônico convencional se deve a duas diferenças principais em seu projeto:

• uma arquitetura de rede única, incorporando aprendizagem associativa como um bloco básico de construção, em vez de usar neurônios artificiais e uma rede neural;
• e o uso de multiplexação por divisão de comprimento de onda para enviar em um único canal vários sinais de luz, em diferentes comprimentos de onda, para aumentar a velocidade computacional.

O hardware do processador usa luz para enviar e recuperar dados para maximizar a densidade de informações - vários sinais em diferentes comprimentos de onda são enviados simultaneamente, sustentando um processamento paralelo, o que aumenta a velocidade de detecção das tarefas de reconhecimento.

"O dispositivo captura naturalmente similaridades em conjuntos de dados, e faz isso em paralelo, usando luz para aumentar a velocidade geral de computação - que pode exceder em muito as capacidades dos chips eletrônicos convencionais," disse o professor Wolfram Pernice, da Universidade de Munique, na Alemanha.

Mais tópicos