Desktops regulares, bem como laptops e smartphones, possuem unidades de processamento dedicadas à computação e memória. Eles são chamados de sistemas von Neumann – nomeados em homenagem ao físico e cientista pioneiro da computação digital moderna. Os sistemas funcionam movendo dados para frente e para trás ente a unidade de memória e a unidade de computação; um processo que pode, muitas vezes, acabar sendo lento e não muito eficiente.
Leia também: Microsoft pretende usar Inteligência Artificial para descobrir cura do câncer
Pelo menos, não tão rápido e eficiente quanto o que conseguimos ao usar a “memória computacional”. Também conhecida como “ computação em memória”, a memória computacional permite armazenar e processar informações usando apenas as propriedades físicas da memória de um sistema informático.
Uma equipe da IBM Research afirma ter feito um avanço na memória computacional ao usar - com sucesso - um milhão de dispositivos de memória de mudança de fase (PCM) para executar um algoritmo de aprendizado de máquina sem supervisão. Detalhes da pesquisa foram publicados na revista Nature Communications.
O dispositivo PCM da equipe da IBM foi fabricado a partir de uma liga de telúrico de antimônio de germânio empilhada e intercalada entre dois eletrodos. "Esse protótipo de tecnologia deverá ser 200 vezes melhor em velocidade e eficiência energética, tornando-o altamente adequado para permitir sistemas ultradensos, de baixa potência, paralelamente em conjunto com as aplicações em Inteligência Artificial ", de acordo com uma publicação no blog da IBM Research.
Leia também: Nikon anuncia saída do mercado brasileiro e fim de sua loja virtual
Você viu?
Adequado para IA
Os novos dispositivos PCM podem executar a computação no local através da dinâmica de cristalização. Essencialmente, isso envolve uma corrente elétrica aplicada ao material do PCM, que muda seu estado de uma disposição atômica desordenada para uma configuração ordenada - isto é, cristalina. A equipe da IBM demonstrou sua tecnologia PCM usando dois exemplos baseados no tempo, que eles então compararam aos métodos tradicionais de aprendizagem por máquina.
A capacidade de executar cálculos mais rapidamente, obviamente, se beneficiará de todas as performances do computador. Para a IBM, isso significa um melhor poder para as aplicações de IA. "Este é um importante passo em nossa pesquisa sobre a física da IA, que explora novos materiais de hardware, dispositivos e arquiteturas", disse o IBM Fellow e coautor do estudo, Evangelos Eleftheriou, em uma declaração citada no blog.
"À medida que as leis de escala de complemento de óxido de metal ou CMOS dividem devido a limites tecnológicos, é necessária uma saída radical da dicotomia de memória de processador para contornar as limitações dos computadores atuais. Dada a simplicidade, alta velocidade e pouca energia de nossa abordagem em memória, é notável que nossos resultados sejam similares à nossa abordagem clássica de referência executada em um computador com von Neumann ".
A memória computacional apresenta uma oportunidade para um processamento mais próximo do "tempo real" da informação; uma melhoria muito necessária no mundo de hoje, onde as empresas estão dando prioridade à análise de dados. Ao mesmo tempo, como gigantes do setor como a Amazon e o Google colocam a IA no centro de seus negócios, a computação mais rápida para aplicações de IA é, de fato, um desenvolvimento bem-vindo.
Para a IBM, a computação em memória é a chave. "Até agora, a memória foi vista como um lugar onde meramente armazenamos informações. Mas neste trabalho, mostramos de forma conclusiva como podemos explorar a física desses dispositivos de memória para também realizar um primitivo computacional de alto nível", disse o autor principal, Abu Sebastian. "O resultado também é armazenado nos dispositivos de memória e, nesse sentido, o conceito é vagamente inspirado em como o cérebro calcula".
Leia também: DeepMind: AlphaGo Zero bate antecessor e se torna melhor jogador de Go do mundo
*Com tradução de futurism.com