IA sem Computadores

Prévia do material em texto

1/4
AI sem computadores
Uma IA feita a partir de plasma aprende a jogar tic-tac-toe usando misturas variadas e controláveis de
gases, em um grande passo em frente.
A inteligência artificial, ou a IA, é onipresente. O progresso feito nas últimas décadas tem sido
surpreendente, com conquistas demonstrando as capacidades cada vez maiores desses sistemas, como
o AlphaGo da DeepMind derrotando o principal jogador de Go do mundo em 2016 e a aplicação do
LinearFold para prever a estrutura secundária da sequência de RNA SARS-CoV-2 em apenas 26
segundos.
Há uma ressalva: executar a IA requer grandes quantidades de energia e dados, e o hardware do
computador não consegue acompanhar. Os chips de circuito integrados estão atingindo a capacidade
mesmo quando as estruturas nos chips e os componentes do circuito se tornam menores. Há um limite
para o quão longe podemos fazer isso fisicamente.
“As estruturas semicondutoras em chips de computador estão agora se aproximando do tamanho de
vários nanômetros e a incerteza quântica começa a quebrar o isolamento elétrico, o que causa a falha
do chip”, explicou Li Lin, pesquisador de pós-doutorado no Departamento de Engenharia Mecânica e
Aeroespacial da Universidade George Washington, com foco em física de plasma, química de plasma e
aprendizado de máquina. “É bastante desafiador continuar fazendo chips menores e menores.”
Lin e seu conselheiro, Michael Keidar, professor de engenharia da Universidade George Washington,
acham que o hardware alternativo pode ser explorado e, para isso, eles se voltaram para a química.
https://www.advancedsciencenews.com/measuring-computers-carbon-footprint-with-green-algorithms/
2/4
Durante uma reação química, o número de espécies reativas dentro de um sistema é definido e leva a
definir produtos. “Um sistema químico naturalmente tem uma rede de todas as suas reações químicas,
ou seja, a ‘rede de via química’”, disse Lin. “Esta rede pode ser treinada como uma rede neural artificial
normal. Pode-se fazer um material com comportamentos químicos que podem ser aplicados à IA.
Qualquer matéria com uma temperatura superior a -273oC contém movimentos aleatórios de moléculas
e quando ocorrem colisões moleculares, isso pode levar a reações químicas. Isso ocorre
constantemente, em toda parte no universo, da formação estelar aos nossos próprios processos
biológicos.
“Para construir a IA a partir desses sistemas, precisamos manipular e manter as probabilidades da
colisão”, disse Lin. “Em outras palavras, as reações químicas são um tipo de processamento de dados e
a natureza pode continuar executando-as automaticamente, só precisávamos encontrar uma maneira de
usá-lo”.
Isso poderia, hipoteticamente, converter qualquer tipo de matéria com complexidade química substancial
em um transportador de hardware alternativo para IA. Em outras palavras, a IA poderia ser construída
sem computadores digitais.
Um plasma de IA vencedor
Em um estudo publicado na Advanced Intelligent Systems, a equipe treinou um plasma de hélio de baixa
temperatura para jogar o jogo tic-tac-toe.
O conceito é baseado na criação de uma unidade de processamento de dados a partir de uma rede de
reações químicas que ocorrem dentro de um sistema químico isolado - como um plasma. Os cientistas
precisavam encontrar um conjunto de parâmetros químicos para o sistema, como pressão ou
temperatura, para que o sistema fosse capaz de “poeirar” a informação adequada em tempo real de
acordo com uma entrada dinâmica. Isso tornaria o sistema um computador analógico programável que
funciona em um nível molecular e pode processar informações complicadas em nanossegundos.
“Os conjuntos de parâmetros químicos são, portanto, o ‘software’ em um computador analógico, para
determinar as reações químicas”, disse Lin. “Em outras palavras, o processo de pensamento no
computador.” No entanto, escrever o programa para ele é bem diferente de codificar um computador
convencional. Os cientistas, portanto, precisavam equiparar um mapa de reações químicas no sistema
que eles chamaram de “rede de via química” como uma rede neural artificial.
“Os parâmetros químicos são os pesos da rede, e as concentrações de espécies são os valores dos
neurônios”, explicou Lin. “Usando técnicas modernas de aprendizado de máquina, o hardware pode ser
treinado ou programado para missões específicas. O objetivo do treinamento é encontrar o parâmetro
químico definido para a missão. Uma vez adquirida, a programação é concluída. Ao usar o sistema após
o treinamento, os usuários podem alternar o parâmetro químico definido entre diferentes missões, assim
como executar softwares diferentes em um computador.
Para demonstrar isso, Li e Keidar ensinaram um plasma a tocar tic-tac-toe. Mas como um plasma pode
realmente “ver” o tabuleiro para jogar o jogo? Li e Keidar conseguiram isso alimentando o plasma com
uma mistura de gases.
https://onlinelibrary.wiley.com/doi/10.1002/aisy.202200157
3/4
O tabuleiro 3o3 do jogo foi configurado usando nove gases diferentes - NO, N 2 O, H 2 O, N 22, O 3, He,
O 22, H 22, e NO 2 - cada um representando um dos nove blocos do jogo. O estado da placa pode,
portanto, ser representado pela razão de mistura desses gases: uma proporção menor de um tipo de
gás significa um marcador de plasma nesse azulejo, enquanto uma proporção mais alta significa o
marcador de um oponente. Uma vez que o plasma recebe uma mistura de gases, as reações químicas
no plasma começam a funcionar, fazendo átomos e moléculas excitados. Essas espécies excitadas
produzem sinais de luz representando o próximo movimento do plasma. Portanto, um status de placa
diferente significa diferentes proporções de mistura desses gases que levam a uma série de reações
químicas diferentes no plasma. “Este é o plasma ‘pensar’ usando sua rede de vias químicas”,
acrescentou Lin.
Os sinais de luz são então traduzidos para atualizar o status do tabuleiro para que o oponente, seja um
humano ou um jogador de computador, possa jogar junto. Em seguida, depois que o oponente fizer um
movimento, a mistura de gases, com as novas taxas de mistura representando o novo status da placa,
fluirá para o plasma para sua consideração.
“O treinamento é alcançado tentando os parâmetros químicos com pequenas modificações”, disse Lin.
“Uma modificação que leve a uma pontuação mais baixa será descartada e os parâmetros serão
retraidores. No entanto, um conjunto de parâmetros modificados que podem fazer o plasma jogar melhor
será gravado e a próxima modificação (geração) será baseada nela. Este é um algoritmo evolutivo típico
usado no mundo do aprendizado de máquina.
Através do treinamento, o plasma eventualmente alcançou uma alta taxa de vitória contra o jogador de
curso aleatório, indicando que o plasma não joga aleatoriamente, mas com lógica e desenvolve suas
próprias estratégias. “É assim que o plasma nos mostra uma IA baseada em produtos químicos”, disse
Lin.
Durante o treinamento, Lin e Keidar também descobriram que o plasma se tornou cada vez mais
agressivo e tentou ganhar jogos em menos movimentos. No entanto, eles não projetaram nenhum
sistema de pontuação para definir que “ganhar um jogo mais cedo é melhor” para o plasma durante o
treinamento.
“O plasma concluiu que perder um movimento vencedor introduziria mais incerteza no jogo”, disse Lin.
Portanto, aprendeu a não perder nenhuma chance de ganhar e começa a ganhar um jogo mais cedo.
O plasma até começou a demonstrar o “avalão do garfo”, que torna duas posições vencedoras
disponíveis, enquanto o oponente só pode bloquear uma delas. “Foi interessante ver um material
concluindo que a melhor defesa é um bom ataque, tudo por si só”, disse Keidar. “Estes são
comportamentos comuns de uma IA aprendendo um jogo, mas agora, materiais com química complexa
também podem mostrar tais comportamentos.”
O processamento de informações dessa maneira consome menos energia em comparação com os
computadores digitais modernos, onde as cargas elétricas são movidas em torno de circuitos, criando e
transferindo sinais digitais.“Usar um computador digital é uma forma indireta de processar dados em
comparação com um sistema químico”, disse Keidar.
4/4
AI baseada em química
A IA baseada em química tem múltiplas vantagens. Primeiro, ao contrário de outros materiais
inteligentes, como materiais macios ou adaptativos que exibem apenas lógica e memória básicas, a
abordagem baseada em química ganha um nível de inteligência mais alto. “Jogar em um jogo de
tabuleiro não é possível para outros materiais inteligentes”, disse Lin.
O nível de inteligência de uma rede de reação química também pode ser controlado manipulando a
complexidade do sistema. Isso é semelhante à teoria das redes neurais artificiais, onde mais neurônios
com mais conexões significam uma capacidade de processamento de informações mais forte. “Para o
sistema químico, pode-se simplesmente multiplicar os reatores para aumentar a complexidade do
sistema químico”, disse Keidar. “É claro que o sistema também pode ser usado como um processador
de dados sem inteligência de alto nível, como uma CPU moderna em um computador pessoal.”
Esta teoria pode ser aplicada além de apenas plasmas para quaisquer materiais com comportamentos
químicos que são complicados o suficiente para torná-los adequados.
“Não devemos nos limitar a fazer hardware de computador que dependa de semicondutores, pois isso
pode limitar sua aplicação”, disse Lin. “Temos uma ideia futura que combina a auto-organização de
moléculas com IA baseada em produtos químicos, e pode ser uma maneira, por exemplo, de usar
qualquer superfície como tela de computador, disponível sempre que as pessoas precisarem de uma.
“Criar padrões de auto-organização é muito comum no plasma”, continuou ele. “A única lacuna técnica
restante é controlar a auto-organização de moléculas com a IA baseada em produtos químicos, para que
possamos aproveitá-la onde e quando.”
A próxima pergunta, digamos a equipe, é até onde eles poderiam levar esses sistemas. Talvez até longe
o suficiente para tornar a matéria não apenas inteligente, mas auto-conseciente.
Referência: Li Lin e Michael Keidar, Inteligência Artificial sem Computadores Digitais: Matéria de
Programação em uma Escala Molecular, Sistemas Inteligentes Avançados (2022) DOI:
10.1002/aisy.202200157
Crédito da imagem: Josh Riemer em Unsplash
ASN WeeklyTradução
Inscreva-se para receber nossa newsletter semanal e receba as últimas notícias científicas diretamente
na sua caixa de entrada.
ASN WeeklyTradução
Inscreva-se no nosso boletim informativo semanal e receba as últimas notícias científicas.
https://onlinelibrary.wiley.com/doi/10.1002/aisy.202200157