Avanços na Computação Neuromórfica com Loihi: Um Levantamento de Resultados e Perspectivas

Redes neurais artificiais profundas aplicam princípios de processamento de informação do cérebro que levaram a avanços em aprendizado de máquina abrangendo muitos domínios de problemas. A computação neuromórfica visa dar um passo além para chips mais diretamente inspirados pela forma e função de circuitos neurais biológicos, para que possam processar novo conhecimento, adaptar-se, comportar-se e aprender em tempo real com baixos níveis de potência. Apesar de várias décadas de pesquisa, até recentemente, muito poucos resultados publicados demonstraram que os chips neuromórficos atuais podem apresentar valor computacional quantitativo. Isso está mudando com o advento do Loihi da Intel, um processador de pesquisa neuromórfico projetado para suportar uma ampla gama de redes neurais de disparo com escala, desempenho e recursos suficientes para entregar resultados competitivos em comparação com as arquiteturas de computação contemporânea de ponta. Este levantamento revisa os resultados obtidos até o momento com Loihi nos principais domínios algorítmicos sob estudo, incluindo abordagens de aprendizado profundo e abordagens novas que visam aproveitar mais diretamente as características-chave do hardware neuromórfico baseado em disparos. Enquanto redes neurais profundas feedforward convencionais mostram benefícios modestos, se é que algum, no Loihi, redes mais inspiradas no cérebro que utilizam recorrência, relações de tempo de disparo precisas, plasticidade sináptica, estocasticidade e esparsidade realizam certos cálculos com latências e consumo de energia ordens de magnitude mais baixos em comparação com as abordagens convencionais de ponta. Essas redes neuromórficas convincentes resolvem uma diversidade de problemas representativos da computação semelhante ao cérebro, como processamento de dados baseados em eventos, controle adaptativo, otimização restrita, regressão de características esparsas e busca em grafo.