Em fevereiro de 1943, a Batalha de Stalingrado terminou com a vitória decisiva das forças soviéticas sobre o exército alemão, marcando um ponto de virada crucial na Frente Oriental da Segunda Guerra Mundial. Já em julho de 1943, as forças aliadas iniciaram a invasão da Sicília, em uma campanha conhecida como Operação Husky. Em setembro de 1943, após o avanço das forças aliadas e a queda de Mussolini, a Itália assinou um armistício com os Aliados, mudando de lado na guerra.
Ainda que em guerra, 1943 também foi marcado por avanços científicos, como a proposta do modelo de neurônio artificial por McCulloch e Pitts. Apesar de sua simplicidade, o modelo de McCulloch-Pitts teve um impacto profundo na ciência da computação e na neurociência, inspirando pesquisas posteriores em redes neurais artificiais e contribuindo para o desenvolvimento de algoritmos de aprendizado de máquina.
80 anos depois, essa tecnologia disruptiva abalaria o planeta. Afinal, a Inteligência Artificial (IA) é um conceito fundamentado naquela ideia simples. Não há um dia que você abra um jornal ou uma revista em que não fale sobre ela. Artigos de especialistas em várias áreas discorrem sobre as consequências e vantagem delas.
E quem se atrasou nessa luta? A Apple, a dona do Iphone, que hoje corre para diminuir o prejuízo. A proposta dela, chamada MM1, promete impulsionar as capacidades dos sistemas de IA a novos patamares.
O modelo novo da Apple combina dados textuais e visuais de forma avançada e inovadora para impulsionar a tecnologia de IA. Ele utiliza um conjunto de dados que inclui tanto imagem-legenda quanto imagem-texto. Ao incorporar tanto dados visuais quanto textuais em seu treinamento, o modelo pode realizar tarefas como legendagem de imagens, resposta a perguntas visuais e inferência de linguagem natural de forma mais eficaz e precisa.
O modelo MM1, especialmente em suas variantes de 30 bilhões de parâmetros, demonstra uma capacidade excepcional de raciocínio em várias etapas em várias imagens. Isso significa que o modelo pode processar e analisar informações visuais complexas e realizar inferências sofisticadas com base em múltiplas entradas visuais.
Repetindo: 30 bilhões de parâmetros! Bom lembrar que o sistema nervoso humano é extremamente complexo e é estimado que contenha aproximadamente 80 bilhões de neurônios. Esses neurônios estão interconectados por trilhões de sinapses, formando uma rede intrincada que é responsável pelo processamento de informações e pelo controle de diversas funções do corpo.
Embora relação entre o número de neurônios de uma rede neural artificial e o consumo de energia seja complexa e dependente de vários fatores, de maneira geral, à medida que o número de neurônios em uma rede neural artificial aumenta, o consumo de energia também tende a aumentar.
Pesquisadores estão trabalhando no desenvolvimento de algoritmos de treinamento mais eficientes que podem reduzir o número de operações necessárias para treinar uma rede neural, diminuindo assim o consumo de energia. Há também novidades como hardwares especializados para IA, como Unidades de Processamento de Tensor (TPUs) e Field-Programmable Gate Arrays (FPGAs).
Estudos mostram que, até 2019, a demanda por capacidade computacional para treinar os modelos mais avançados de inteligência artificial (IA) dobrava aproximadamente a cada 3,4 meses. Se essa tendência de crescimento continuasse, mesmo considerando as melhorias constantes em hardware, a energia requerida para treinar um modelo de ponta de IA superaria o consumo energético global anual até 2030.
O que isso significa e tem implicações para nossa vida diária? Nenhuma empresa de tecnologia deixará de usar a melhor configuração possível para suas redes neurais, como vemos no caso da Apple. Isso implica em não economizar em número de neurônios e parâmetros da rede. Isso exigirá grandes datacenters, com milhares de unidades computacionais e, claro, fornecimento de energia.
Ou seja, as redes neurais são a grande novidade no mercado de energia!
*Allan Kardec Duailibe Barros Filho, PhD pela Universidade de Nagoya, Japão, professor titular da UFMA, ex-diretor da ANP, membro da AMC, presidente da Gasmar.
