Organismoide: Computação neuromórfica baseada no esquecimento

Os organismoides foram usados em uma tarefa de aprendizagem neural chamada plasticidade sináptica adaptativa, que aprendeu as características fundamentais que formam o desenho de cada algarismo. [Imagem: Fan Zuo et al. – 10.1038/s41467-017-00248-6]

Habituação e esquecimento catastrófico

Essa mudança de condutância e o decaimento dessa condutância ao longo do tempo é semelhante a um comportamento animal chamado habituação.

“Muitos animais, mesmo organismos que não têm cérebro, possuem essa habilidade de sobrevivência fundamental,” explica Roy. “E é por isso que chamamos esse comportamento de organísmico. Se eu vejo certas informações regularmente, fico habituado, mantendo a memória disso. Mas se eu fico sem ver essa informação por muito tempo, então ela começa lentamente a decair. O comportamento de condutância, subindo e descendo de forma exponencial, pode ser usado para criar um novo modelo computacional que aprenderá incrementalmente e, ao mesmo tempo, esquecerá as coisas de maneira adequada.”

A equipe desenvolveu um modelo de aprendizagem neural, que denominaram plasticidade sináptica adaptativa, e o implementaram nos organismoides de niquelato de samário.

“Com esse efeito, conseguimos modelar algo que é um problema real na computação neuromórfica,” disse Roy. “Por exemplo, se eu aprender suas características faciais, eu ainda posso sair e aprender as características faciais de outra pessoa sem realmente esquecer as suas. No entanto, isso é difícil para os modelos de computação fazerem. Ao aprender suas características, eles podem esquecer as características da pessoa original, um problema chamado esquecimento catastrófico.”

Circuito integrado de organismoides

Embora haja muita expectativa em relação aos computadores que funcionem de forma mais parecida com o cérebro humano, a computação neuromórfica provavelmente não substituirá o hardware convencional de uso geral em um futuro próximo. Ocorre que a computação baseada nos transistores é especialmente eficaz na realização de cálculos matemáticos complexos, enquanto a computação neuromórfica pode ser melhor em tarefas como o reconhecimento facial e de voz e a tomada de decisões não-binárias, mais parecidas com as decisões humanas.

Antes disso, porém, para que seja possível mostrar todas as capacidades computacionais dos seus organismoides, a equipe pretende demonstrar a habituação em um circuito integrado, em vez de ficar expondo o material ao gás hidrogênio em uma câmara selada.

Bibliografia:

Habituation based synaptic plasticity and organismic learning in a quantum perovskite
Fan Zuo, Priyadarshini Panda, Michele Kotiuga, Jiarui Li, Mingu Kang, Claudio Mazzoli, Hua Zhou, Andi Barbour, Stuart Wilkins, Badri Narayanan, Mathew Cherukara, Zhen Zhang, Subramanian K. R. S. Sankaranarayanan, Riccardo Comin, Karin M. Rabe, Kaushik Roy, Shriram Ramanathan
Nature Communications
DOI: 10.1038/s41467-017-00248-6

In:

Redação do Site Inovação Tecnológica –  16/08/2017

Alceri Luiz

catarinense, arqueólogo, fotografo e produtor cultural....

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *