- Pesquisadores da University of Massachusetts Amherst desenvolveram a ANT, redes neurais assíncronas que imitam o cérebro humano, com aprendizado contínuo e menor consumo de energia.
- A arquitetura dispensa a sincronização global, atualizando apenas os neurônios necessários em cada etapa.
- Em comparação, o cérebro humano consome cerca de 20 watts, enquanto modelos grandes de IA atuais requerem energia muito maior.
- A ANT pode reduzir o consumo de energia em várias ordens de magnitude, especialmente em sistemas com restrições energéticas, como robôs e dispositivos de borda.
- O estudo, publicado na Nature Communications em 8 de junho, é liderado pela professora Hava Siegelmann e teve financiamento da Fundação Nacional de Ciência (NSF) dos EUA e do Escritório de Pesquisa Científica da Força Aérea dos EUA.
A Universidade de Massachusetts Amherst apresentou uma pesquisa publicada na Nature Communications, em 8 de junho, mostrando uma IA com funcionamento cerebral e consumo de energia muito menor. O estudo sugere que capacidades avançadas de IA podem ser alcançadas sem o alto gasto energético típico.
A equipe, liderada pela professora Hava Siegelmann, desenvolveu uma IA que imita o cérebro humano. O objetivo é permitir aprendizado contínuo e reduzir a energia necessária para a computação inteligente, mantendo alta capacidade de processamento.
Siegelmann afirma que sistemas de IA atuais são potentes, porém consomem muita energia. O trabalho propõe projetar uma IA altamente capaz que opere com eficiência muito maior, sem perder desempenho.
Avanço tecnológico: redes neurais assíncronas
A equipe criou a ANT, redes neurais de Turing assíncronas, que eliminam a necessidade de sincronização global. A arquitetura mantém propriedades de redes profundas e treináveis, reduzindo o consumo energético em várias ordens de magnitude.
A ANT atualiza apenas os neurônios necessários em cada etapa, o que evita o relógio global de sincronização. Essa abordagem pode diminuir consideravelmente o gasto energético durante o treinamento.
Segundo Siegelmann, a solução atinge o equilíbrio entre poder computacional e adaptabilidade, especialmente em IA de grande escala. O objetivo é evoluir a eficiência energética para aplicações em curto alcance de energia.
A equipe avalia ampliar capacidades para aprendizado contínuo e otimizar uso em sistemas autônomos com restrições de energia, como robôs, veículos autônomos e dispositivos de borda.
A pesquisa recebeu financiamento da National Science Foundation dos EUA e do Office of Naval Research, além de apoio do Air Force Office of Scientific Research. O estudo cita aplicações práticas futuras para IA de baixo consumo.
Uma ferramenta de IA foi usada para auxiliar na produção desta reportagem, sob supervisão editorial humana.
Entre na conversa da comunidade