por ZoopCreative

9544 visitas.

Cientistas estão construindo computadores que podem aprender e se adaptar. Durante as últimas seis ou sete décadas, os computadores têm se baseado em um padrão de processamento binário.

Agora, cientistas da computação estão quebrando esse paradigma com estranhas e novas ideias, à medida que procuram novas maneiras de resolver os problemas que os computadores digitais não podem facilmente resolver.

Uma abordagem é a computação quântica, em que o computador aproveita as ambiguidades "quânticas" da matéria.

Depois de anos sendo considerada não mais do que uma mera hipótese, a computação quântica parece estar despontando para o mundo real: uma starup, chamada D-Wave, está trabalhando na construção de computadores quânticos que, eles esperam, possam reunir uma grande variedade de soluções possíveis ao mesmo tempo e ainda economizar energia, acelerando o processo de computação de uma forma que vai muito além de apenas uma razão exponencial. Isso pode ser muito útil para criptografia, entre outras aplicações.

Outra abordagem é o processamento neuromórfico, no qual os circuitos são ligados entre si de uma maneira semelhante ao modo como os neurônios no cérebro humano se conectam um ao outro.

Quando um processador neuromórfico avalia um problema, ele administra suas conexões com base nos resultados de sua análise, isso permite que a máquina possa usar todo o complexo conceito de "aprender", da mesma forma que cérebros humanos aprendem. 

 

A promessa é de que os computadores em algum dia no futuro sejam capazes de usar essa tecnologia para melhorar suas habilidades em coisas como reconhecimento de voz e imagem, de uma maneira muito mais eficiente que os seres humanos, coisa que as máquinas, até recentemente, não conseguem fazer muito bem.

Os cientistas da computação têm trabalhado com "redes neurais", que são escritas em softwares e rodam em chips de silício tradicionais, há décadas. Mas a tecnologia tem avançado nos últimos anos, e no ano passado uma rede neural da Google digitalizou um banco de dados de 10 milhões de imagens e aprendeu a reconhecer imagens de gatos.

Processadores neuromórficos tem uma abordagem semelhante, mas trabalham um nível abaixo na fiação do computador em si, e são a grande promessa para o desenvolvimento de algoritmos de aprendizagem mais eficientes num futuro não muito distante.

Processadores neuromórficos ainda usam chips de silício, e a tecnologia ainda não está suficientemente avançada para substituir as CPUs tradicionais. Mas isso mostra uma grande possibilidade de aumento de eficiência em situações onde adaptabilidade, baixa tolerância de erro, e baixo consumo de energia são prioridades.

Outra área onde máquinas com capacidade de aprender tem uma enorme relevância: O "Big Data", o gigantesco e emergente mercado de encontrar padrões entre enormes e muitas vezes heterogêneos conjuntos de dados.

Os alunos parecem empolgados com as possibilidades de aprendizagem das máquinas. Segundo o New York Times, a classe de Stanford mais concorrida no ano passado foi a que estuda sistemas de aprendizagem de máquinas, e que atraiu 760 alunos.

"Todo mundo sabe que há algo grande acontecendo, e eles estão tentando descobrir o que é", segundo o neurocientista computacional Terry Sejnowski.