O professor Johnny Chung-yin Ho lidera a equipa da City University Hong Kong (CityU) que publicou um estudo sobre sistemas de visão artificial que conseguem um bom desempenho em tarefas cognitivas que usam dados intensivamente, ao mesmo tempo que estabelece um recorde de baixo consumo energético. A conjugação destas duas características torna o sistema ideal para poder alimentar a próxima geração de sistemas de Inteligência Artificial.
Numa altura em que as tecnologias de semicondutores estão a mostrar sinais de estagnação, a intenção desta equipa é propor uma solução neuromórfica, ou seja, onde o sistema artificial replica o funcionamento do cérebro humano e atua de forma ágil e energeticamente eficiente. O professor Ho explica que a “emulação efetiva da neuroplasticidade do cérebro – a capacidade de mudar as ligações neuronais – em sinapses artificiais com um consumo ultra-baixo ainda é desafiante”, cita o Eureka Alert.
A solução encontrada pela equipa passa pela introdução de gases de eletrões quasi-bi-dimensionais (quasi-2DEGs, da sigla inglesa) em sistemas artificiais neuromórficos artificiais. Os investigadores conseguiram, com o uso deste semicondutor com propriedades elétricas intrigantes, desenvolver aparelhos que consumiram 0,7fj (femtojoule) por evento sináptico, um registo 93% inferior ao consumo energético feito num cérebro humano para um processo equivalente. “As experiências mostram que o sistema visual artificial baseado em sinapses fotónicas consegue desempenhar funções de deteção de luz, de processamento como o cérebro e de memória com um consumo energético ultra-baixo”, refere o académico.
A sinapse artificial quasi-2DEGs tem capacidade para detetar eficazmente um estímulo padronizado de luz e reter na ‘memória’ a forma desse estímulo durante uma hora, um pouco à semelhança do que acontece no cérebro. Os cientistas complementam a forma como projetaram as sinapses fotónicas e o sistema visual artificial não requerem equipamento complexo e podem ser feitos em plástico flexível, de forma a escalar volumes de produção e com custos baixos.
Todas estas características colocam esta descoberta com um elevado potencial de utilização para alimentar sistemas de IA de próxima geração.
