Revolucionando os produtos do dia a dia com inteligência artificial

Jul 18, 2023

imagem anterior imagem seguinte

"Quem é Bram Stoker?" Essas três palavras demonstraram o incrível potencial da inteligência artificial. Foi a resposta a uma pergunta final em um episódio particularmente memorável de 2011 de Jeopardy!. Os três concorrentes foram os ex-campeões Brad Rutter e Ken Jennings, e o Watson, um supercomputador desenvolvido pela IBM. Ao responder corretamente à pergunta final, Watson se tornou o primeiro computador a derrotar um humano no famoso programa de perguntas e respostas.

"De certa forma, Watson vencendo o Jeopardy! Parecia injusto para as pessoas", disse Jeehwan Kim, professor de desenvolvimento de carreira da classe '47 e membro do corpo docente dos departamentos de Engenharia Mecânica e Ciência e Engenharia de Materiais do MIT. "Na época, Watson estava conectado a um supercomputador do tamanho de uma sala, enquanto o cérebro humano pesa apenas alguns quilos. Mas a capacidade de replicar a capacidade de aprendizado de um cérebro humano é incrivelmente difícil."

Kim é especialista em aprendizado de máquina, que se baseia em algoritmos para ensinar os computadores a aprender como um cérebro humano. "O aprendizado de máquina é a computação cognitiva", explica ele. "Seu computador reconhece coisas sem que você diga ao computador o que ele está vendo."

O aprendizado de máquina é um exemplo de inteligência artificial na prática. Embora a frase "aprendizado de máquina" muitas vezes evoque a ficção científica tipificada em programas como "Westworld" ou "Battlestar Galactica", sistemas e dispositivos inteligentes já estão difundidos no tecido de nossas vidas diárias. Computadores e telefones usam reconhecimento facial para desbloquear. Os sistemas detectam e ajustam a temperatura em nossas casas. Os dispositivos respondem a perguntas ou reproduzem nossa música favorita sob demanda. Quase todas as grandes montadoras entraram na corrida para desenvolver um carro autônomo seguro.

Para que qualquer um desses produtos funcione, o software e o hardware precisam funcionar em perfeita sincronia. Câmeras, sensores táteis, radar e detecção de luz precisam funcionar adequadamente para fornecer informações aos computadores. Algoritmos precisam ser projetados para que essas máquinas possam processar esses dados sensoriais e tomar decisões com base na maior probabilidade de sucesso.

Kim e grande parte do corpo docente do Departamento de Engenharia Mecânica do MIT estão criando um novo software que se conecta ao hardware para criar dispositivos inteligentes. Em vez de construir os robôs sencientes romantizados na cultura popular, esses pesquisadores estão trabalhando em projetos que melhoram a vida cotidiana e tornam os humanos mais seguros, eficientes e informados.

Tornando os dispositivos portáteis mais inteligentes

Jeehwan Kim segura uma folha de papel. Se ele e sua equipe forem bem-sucedidos, um dia o poder de um supercomputador como o Watson da IBM será reduzido ao tamanho de uma folha de papel. "Estamos tentando construir uma rede neural física real em um tamanho de papel carta", explica Kim.

Até o momento, a maioria das redes neurais foi baseada em software e feita usando o método convencional conhecido como método de computação de Von Neumann. Kim, entretanto, tem usado métodos de computação neuromórfica.

"Computador neuromórfico significa IA portátil", diz Kim. "Então, você constrói neurônios artificiais e sinapses em uma bolacha de pequena escala." O resultado é o chamado 'cérebro em um chip'. Em vez de computar informações de sinalização binária, a rede neural de Kim processa informações como um dispositivo analógico. Os sinais agem como neurônios artificiais e se movem por milhares de matrizes para determinados pontos de cruzamento, que funcionam como sinapses. Com milhares de arrays conectados, grandes quantidades de informações podem ser processadas de uma só vez. Pela primeira vez, um equipamento portátil pode imitar o poder de processamento do cérebro.

"A chave deste método é que você realmente precisa controlar bem as sinapses artificiais. Quando você está falando sobre milhares de pontos de cruzamento, isso apresenta desafios", diz Kim.

De acordo com Kim, o design e os materiais usados ​​para fazer essas sinapses artificiais até agora não eram ideais. Os materiais amorfos usados ​​nos chips neuromórficos tornam incrivelmente difícil controlar os íons quando a voltagem é aplicada.