![]() |
| As redes neurais com reservatório simplificam drasticamente o processo de treinamento, que pode levar meses nas redes convencionais. [Imagem: Chao Du et al. - 10.1038/s41467-017-02337-y] |
As redes neurais feita com memoristores - componentes eletrônicos que retêm uma memória do que lhes ocorreu anteriormente - prometem melhorar dramaticamente a eficiência do aprendizado de máquina, da inteligência artificial e dos computadores neuromórficos, que trabalham de forma mais parecida com o cérebro humano. Eles construíram uma rede neural em hardware, chamada "sistema de computação de reservatórios", que consegue prever palavras e números que virão a seguir em um texto escrito - e o próximo passo será prever palavras antes que elas sejam ditas durante a conversação normal entre duas pessoas.
Sistemas de computação de reservatórios, que melhoram a capacidade de uma rede neural típica e reduzem o tempo de treinamento necessário, já foram criados no passado usando componentes ópticos grandes. Usar memoristores, componentes que podem ser fabricados em nanoescala, significa que o sistema pode ser facilmente integrado nos chips eletrônicos atuais com o mesmo nível de miniaturização.
Rede neural de reservatório
Inspiradas no cérebro, as redes neurais são compostas por neurônios, ou nós, e sinapses, as conexões entre os nós. Para treinar uma rede neural para que ela execute uma tarefa, a rede é submetida a um grande número de questões e as respectivas respostas a essas questões. Uma vez treinada, uma rede neural pode então responder perguntas para as quais ela não sabe a resposta de antemão - por exemplo, identificar um rosto humano em uma imagem.
Os sistemas de computação de reservatórios construídos com memoristores, no entanto, podem dispensar a maior parte do processo de treinamento porque o componente mais crítico do sistema - o reservatório - não requer treinamento. Quando um conjunto de dados é inserido no reservatório, o próprio reservatório identifica características relevantes nos dados e as entrega em um formato mais simples para uma segunda rede. Esta segunda rede só precisa de treinamento como as redes neuronais mais simples, alterando os pesos das características que a primeira rede lhe passou até atingir um nível aceitável de erro.
![]() |
| Protótipo do Chip contendo uma Rede Neural com 88 Sinap feitas com memoristores. [Imagem: Chao Du et al. - 10.1038/s41467-017-02337-y] |
Previsão de conversas
As vantagens desse aprendizado simplificado são tão mais significativas quanto mais complicada é a tarefa a ser executada. Por exemplo, identificar um rosto em uma imagem é uma tarefa relativamente fácil, enquanto aprender como uma pessoa entabula uma conversa real é muito mais complexo porque as variações são radicais e imensamente mais variadas. Usando apenas 88 memoristores, a equipe conseguiu treinar a rede neural para que ela identificasse numerais escritos a mão com 91% de precisão.
O próximo passo será prever não palavras escritas, mas faladas. "Nós podemos fazer predições em linguagem falada natural, de forma que você não precisa falar a palavra toda. Nós podemos na verdade predizer o que você planeja dizer a seguir," garante o professor Wei Lu. Enquanto construir um tradutor simultâneo é ainda um sonho para um futuro distante, os pesquisadores planejam usar sua rede neural para filtrar ruídos em sinais de telecomunicações, como a estática em transmissões de rádio, produzindo um fluxo mais limpo de dados. "Ela poderá também predizer e gerar um sinal de saída mesmo se o sinal de entrada for interrompido," prometeu Lu.
Bibliografia:



![Nanobalança revela pulsação da vida ao pesar uma única célula viva.[Imagem: Martin Oeggerli/ETH Zurique/Universidade da Basileia]](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjWMb6hHI489j4_EzdkAs30HP2cSYy8VJwJ8Nx8SDJFK-QA_Xd78DsY-yTzRfMZDXWTFHDkBk2VWLTjlV8qEIgCEcbnn-bbsaU2VLuZA41oXPovN92WTivVsww6kzDYIgJTiUUG2jcBxMFy/s1600/01.jpg)
![Esquema e microfotografia da balança de células. [Imagem: David Martínez-Martín et al. - 10.1038/nature24288]](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjoZHX_7NRvAbaagZW8vKrGVTIopbn1SJjtotyddUegrOaBsd536aaOPegACSKhZPd4YJ83s0WxURMYwSW46ulzbzPh7vyaivZ4ZhLpwX5W3u2rrgzLG7Nj-JWZu67UeP_-QoN3S_gyi3GZ/s1600/02.jpg)
![NASA - Cada gerador tem capacidade de 10 quilowatts e pode funcionar por vários anos. [Imagem: NASA]](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiMsaNJyRMnEGAe17blIuecjBDIgIpRhXbgvsgUxRLMymaJ9-R67Jq6_gNyB_idishvE0HGsyqxnxottP3jvMKdr7i0vlc_f45FtJXwM-5lUBSbKQ90V7blbUTxBi4hULNMmG-3XuZZv-kG/s1600/01.jpg)
![NASA - Visualização artística de uma usina híbrida solar-nuclear. [Imagem: NASA]](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhrmKe4gBoZkLwY7EwImoaijmm9EjmU44f9YZnznCS8zNXwd5Ee1gvVgkLi38iz4gErJx79NhRv2jSdK2ZkmlaPjVW7JdZsBw1iT2t5xRgNYn7wVvVZnlj7KX5abi1BFVVwkaMOt69sPjwf/s1600/02.jpg)
![NASA - Sendo compacto, o gerador também poderá ser usado em robôs, veículos de exploração e mesmo em naves. [Imagem: NASA]](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjlYKB7wTx3EbKDHqsa-H__n8nr6ITWfubZa-Urhm55vetVsS4yRo_sYhgx0lM3F_xua1haX-v9lYttdhq8jBhUppRrpLDrU8aHnNsNgAh2KpqdI0opDhheBYHRDNjHz_P0ZWmLAwbi2Co6/s1600/03.jpg)


