Mercado fechará em 55 mins
  • BOVESPA

    106.838,37
    +475,27 (+0,45%)
     
  • MERVAL

    38.390,84
    +233,89 (+0,61%)
     
  • MXX

    51.573,84
    -140,76 (-0,27%)
     
  • PETROLEO CRU

    82,51
    -0,15 (-0,18%)
     
  • OURO

    1.803,00
    +4,20 (+0,23%)
     
  • BTC-USD

    61.127,47
    +2.131,51 (+3,61%)
     
  • CMC Crypto 200

    1.479,58
    +60,21 (+4,24%)
     
  • S&P500

    4.589,62
    +37,94 (+0,83%)
     
  • DOW JONES

    35.679,52
    +188,83 (+0,53%)
     
  • FTSE

    7.249,47
    -3,80 (-0,05%)
     
  • HANG SENG

    25.555,73
    -73,01 (-0,28%)
     
  • NIKKEI

    28.820,09
    -278,15 (-0,96%)
     
  • NASDAQ

    15.728,00
    +140,75 (+0,90%)
     
  • BATS 1000 Index

    0,0000
    0,0000 (0,00%)
     
  • EURO/R$

    6,5426
    +0,1179 (+1,84%)
     

Rede neural imita o cérebro humano para resolver problemas complexos

·2 minuto de leitura

Pesquisadores da Universidade Estadual de Ohio, nos EUA, desenvolveram um novo sistema de computação que imita a maneira como o cérebro humano funciona, com uma capacidade de processamento de informações até um milhão de vezes mais rápida, exigindo uma entrada de dados muito menor.

Eles aprimoraram uma tecnologia conhecida como computação de reservatórios, desenvolvida no início dos anos 2000 e que utiliza um algoritmo de aprendizagem de máquina para resolver problemas de computação mais complexos, como previsões de evolução em sistemas dinâmicos que mudam drasticamente com o tempo.

“Podemos realizar tarefas de processamento de informações muito complexas, como previsões meteorológicas, em uma fração do tempo usando muito menos recursos em comparação com o que a computação de reservatórios pode fazer atualmente”, explica o professor de física Daniel Gauthier, autor principal do estudo.

Computação de reservatórios

Esses novos dispositivos de computação utilizam uma rede neural para “aprender” sistemas dinâmicos, fornecendo previsões mais precisas sobre comportamentos futuros. Os cientistas alimentam esses reservatórios de neurônios artificiais conectados aleatoriamente com informações necessárias para completar determinadas tarefas.

Professor Daniel Gauthier (Imagem: Reprodução/Ohio State University)
Professor Daniel Gauthier (Imagem: Reprodução/Ohio State University)

Quanto maior e mais complexo é o sistema de reservatórios, maior deve ser também a rede de neurônios artificiais, exigindo mais recursos computacionais e um tempo consideravelmente mais longo para processar todos os dados que vão compor esquemas mais precisos de previsão.

Durante os testes realizados em laboratório, a equipe do professor Gauthier descobriu que todo esse sistema de computação de reservatórios pode ser simplificado, reduzindo a necessidade de recursos computacionais e economizando um tempo significativo para obtenção dos mesmos resultados.

Velocidade

O novo conceito foi testado em um sistema de previsão meteorológica, utilizando um computador desktop comum. Nese primeiro experimento, a computação de reservatórios foi de 33 a 163 vezes mais rápida que modelos atuais que desempenham funções de simulação parecidas.

Em tarefas que exigiam uma precisão maior do sistema de previsões, a nova tecnologia foi cerca de 1 milhão de vezes mais veloz, alcançando a mesma exatidão com o equivalente a apenas 28 neurônios artificiais, ao contrário dos mais de 4 mil necessários para o funcionamento da geração atual.

Esquema de funcionamento da computação de reservatórios (Imagem: Reprodução/Ohio State University)
Esquema de funcionamento da computação de reservatórios (Imagem: Reprodução/Ohio State University)

Em vez de usar conjuntos que variam entre 1.000 e 10.000 dados computacionais no treinamento de sistemas de previsão para desempenhar tarefas reais, com essa nova abordagem, os cientistas precisam utilizar apenas dois ou três dados, dependendo da precisão desejada durante a análise.

“Uma razão importante para a aceleração é que o cérebro artificial simplificado por trás desta próxima geração de computação de reservatórios precisa de muito menos treinamento ou dados adicionais em comparação com os sistemas atuais para produzir os mesmos resultados de forma muito mais eficiente e rápida”, encerra o professor Gauthier.

Fonte: Canaltech

Trending no Canaltech:

Nosso objetivo é criar um lugar seguro e atraente onde usuários possam se conectar uns com os outros baseados em interesses e paixões. Para melhorar a experiência de participantes da comunidade, estamos suspendendo temporariamente os comentários de artigos