Tema: Ciência da Computação, Tecnologia

Na atualidade presencia-se uma corrida na concepção, projeção e construção de chips com tecnologia envolvendo a IA (Inteligência Artificial), mais precisamente as redes neurais artificiais e o seu desdobramento, o aprendizado profundo, imitando os mecanismos de funcionamento e absorção de conhecimento do cérebro humano de demais mamíferos. Esta tecnologia em computadores é ainda nova, de contorno incipiente, mas dará a tônica nas próximas décadas.
A construção de chips daqui para frente, seguramente envolverá na sua concepção e funcionamento, a execução de algoritmos de aprendizagem profunda, eles serão milhares de vezes mais ágeis e eficientes do que os tradicionais utilizados em computadores. Estes novos chips terão indubitavelmente, arquitetura que fundamentar-se-ão em processamento paralelo, munido de memória onboard, objetivando aliviar a demanda de memória atualmente e que é processada pela CPU (Unidade Central de Processamento) do computador. Arquitetura esta que está embasada na teoria computacional de von Newmann, e que domina totalmente a computação há 50 anos. Entretanto o desenvolvimento do hardware está em fase exploratória e experimental, pois necessita de grandes quantidades de energia computacional para rodar e processar redes neurais de tamanha magnitude e complexidade.
Denota-se que as empresas de startups, as principais do mercado, estão investindo recursos substanciais, para gestar e desenvolver chips voltados ao aprendizado profundo, empregando técnicas de IA, precisamente as de redes neurais. Dentro deste contexto, é importante mencionar que há a necessidade de softwares especializados que possibilitem o desenvolvimento de aplicações de aprendizado profundo. A empresa Google já tem seu software para está finalidade, o TensorFlow, disponibilizado gratuitamente. Existem também alternativas à aplicação da Google, como o CNTK da Microsoft, MVNet (Amazon), entre outros.
É inegável que para possibilitarmos processar, gerenciar e extrair informação para a formação do conhecimento e escaloná-lo para o patamar superior da sabedoria, é preciso desenvolver uma nova geração de supercomputadores. Deve-se este fato, aos grandes números de dados  que são gerados instantaneamente no Mundo todo, a sua produção atinge patamares astronômicos e nunca vista antes na história da Humanidade. Necessitar-se-á portanto de computadores que operem com chips de baixo consumo de energia e dotados de incomensuráveis capacidade de processamento de dados, trazendo na sua arquitetura a IA (aprendizado profundo), podendo ser uma união proveitosa da fértil e única mente humana, com a “mente da máquina”. Muito brevemente, não será mais viável e eficiente, utilizarmos computadores que tenham a tecnologia digital, em tarefas que demandem grande intensidade de processamento. Entrarão em cena os chips para cumprirem objetivos específicos, igualmente como ocorre com os celulares.
Porém o cérebro humano é uma vasta e complexa rede neural ainda não entendida, dotado de aproximadamente 100 bilhões de neurônios, conectados a milhares de outros, que para fins totalizadores perfazem mil trilhões (ou seja o numeral 10, seguido de quinze zeros). É portanto um emaranhado surreal e difícil inclusive de idear. As conexões entre neurônios humanos são denominadas sinápticas. Levando em conta a energia necessária para “tocar” essa profícua máquina biológica (cérebro) é cerca de 20 watts, traduzindo para a nossa linguagem natural, é 20% da energia do total  dispendida para o funcionamento do corpo inteiro do indivíduo. Muito embora o cérebro ocupe 3% de nossa massa corporal.
Quando comparado com um supercomputador dotado de arquitetura de IA, e técnicas poderosas de redes neurais de aprendizado profundo, que de longe é inferiorizado ao cérebro humano, consome cerca de 5 megawatts, o que dá 250 mil vezes mais energia, para realizar tarefas cognitivas muito mais simples. A natureza transformou em pura eficiência uma tarefa hercúlea e complexa, que é o funcionamento do cérebro, não somente o humano mas dos demais seres. Ela miniaturizou os componentes, que eram necessários para processar toda a informação sensorial e transformá-la em conhecimento, já tendo um viés de sabedoria posterior a toda esta sistematização.
O aprendizado profundo, demanda um processamento centralizado, e depende em si, para efetivação da computação. Exigirá também um hardware totalmente diferente do tradicional, pois o consumo de energia em computadores tradicionais quando munidos de sistemas de aprendizado profundo, é exorbitante e inviável.

Fonte: A Revolução do Aprendizado Profundo – Terrence J. Sejnowski