Circuito eltrico simples aprende por conta prpria

Informtica

Com informações da Science – 24/03/2022

Circuito eltrico que aprende

Um circuito eltrico que aprendeu a reconhecer flores com base no tamanho de suas ptalas pode parecer trivial quando lembramos dos sistemas de inteligncia artificial (IA) que reconhecem rostos, transcrevem palavras faladas em texto e muito mais.

No entanto, o minsculo circuito supera os sistemas convencionais de aprendizado de mquina de uma maneira importante: Ele se ensina sem a ajuda de um computador, lembrando um pouco a independncia de um crebro vivo.

uma prova de conceito de que possvel evitar a enorme quantidade de computao normalmente necessria para ajustar um sistema de IA, um problema que pode se tornar mais um obstculo medida que esses programas se tornam cada vez mais complexos.

E, como foi montado na forma de um circuito com componentes eltricos e eletrnicos convencionais, tudo est passvel de miniaturizao, podendo ser feito na forma de um chip.

Treinamento da IA

A ferramenta padro do aprendizado de mquina a rede neural artificial. J existem verses de redes neurais em hardware, mas tipicamente elas existem como uma matriz em um programa de computador, cujos ns podem assumir valores e pesos – cada aresta ponderada dependendo de quo correlacionados ou anticorrelacionados so os dois ns.

Os ns so organizados em camadas, com a primeira camada recebendo as entradas e a ltima camada produzindo as sadas. Por exemplo, a primeira camada pode receber como entrada a cor dos pxeis de fotos em preto e branco, e a camada de sada pode consistir em um nico n que produz 0 se a imagem for de um gato e 1 se for de um cachorro.

Para ensinar o sistema a distinguir gatos de cachorros, o programa precisa ser exposto a um conjunto de imagens de treinamento, ajustando os pesos para obter a sada correta. um caso de otimizao gigantesco, que se torna dramaticamente mais complexo com o tamanho da rede, exigindo um processamento computacional substancial alm da prpria rede neural.

Para tornar tudo ainda mais difcil, todas as arestas em toda a rede precisam ser ajustadas simultaneamente, em vez de uma aps a outra. Para contornar esse problema, vrias equipes tm procurado sistemas fsicos que possam se ajustar de forma eficiente sem a computao externa.

Foi um sistema fsico assim que Sam Dillavou e seus colegas da Universidade da Pensilvnia, nos EUA, acabam de criar.

Rede neural com resistores

A pequena rede neural em hardware foi construda conectando aleatoriamente 16 componentes eltricos comuns, chamados resistores ajustveis. Cada resistor funciona como uma borda na rede, e os ns so as junes onde os terminais dos resistores se encontram.

Para usar a rede, os pesquisadores definiram tenses para certos ns de entrada e leram as tenses dos ns de sada. Ao ajustar os resistores, a rede automatizada aprendeu a produzir as sadas desejadas para um determinado conjunto de entradas.

Para treinar o sistema com uma quantidade mnima de computao e memria, a equipe construiu duas redes idnticas, uma em cima da outra. A rede “presa” recebe as tenses de entrada, e seus resistores fixam a tenso de sada no valor desejado. Na rede “livre”, apenas a tenso de entrada fixada, deixando todas as outras tenses flutuarem para qualquer valor, o que geralmente dava a tenso errada na sada.

O sistema ento ajustou as resistncias nas duas redes de acordo com uma regra simples, que dependia se a diferena de tenso em um resistor na rede presa era maior ou menor do que a diferena de tenso no resistor correspondente na rede livre. Aps vrias iteraes, esses ajustes compatibilizaram todas as tenses em todos os ns nas duas redes, efetivamente treinando ambas as redes para fornecer a sada correta para uma determinada entrada.

“Fundamentalmente, esse ajuste requer muito pouca computao. O sistema s precisa comparar a queda de tenso nos resistores correspondentes nas redes fixa e livre, usando um dispositivo eltrico relativamente simples, chamado comparador,” contou Dillavou.

Rede descentralizada

A rede foi ajustada para executar uma variedade de tarefas simples de IA: Por exemplo, ela distinguiu, com preciso superior a 95%, entre trs espcies de plantas ris, dependendo de quatro medidas fsicas da flor: Os comprimentos e larguras de suas ptalas e de suas spalas – as folhas logo abaixo da flor. “Esse um teste de IA cannico, que usa um conjunto padro de 150 imagens, 30 das quais foram usadas para treinar a rede,” contou Dillavou.

H vrias vantagens nessa implementao de “aprendizado fsico”, alm da dispensa da computao. Por exemplo, o sistema muito robusto, funcionando mesmo com danos extremos (como defeitos de fabricao) devido ao seu aprendizado descentralizado. E essas redes distribudas representam uma enorme vantagem: “Uma rede laboratorial de apenas 500 arestas j ultrapassar sua contraparte in silico,” garante a equipe.

Outras notcias sobre:

Mais tópicos