por ZoopCreative

9545 visitas.

 

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.