Key points are not available for this paper at this time.
A inteligência artificial (IA) conseguiu se infiltrar com sucesso em setores industriais contemporâneos, como automóveis, defesa, automação industrial 4.0, tecnologias de saúde, agricultura e muitos outros domínios, devido à sua capacidade de agir de forma autônoma sem intervenções humanas contínuas. No entanto, essa capacidade exige o processamento de enormes quantidades de dados de aprendizado para extrair informações úteis em tempo real. O burburinho em torno da IA não é novo, pois esse termo é amplamente conhecido há meio século. Na década de 1960, os cientistas começaram a pensar em máquinas agindo mais como humanos, o que resultou no desenvolvimento dos primeiros computadores de processamento de linguagem natural. Isso lançou as bases da IA, mas havia apenas um punhado de aplicações até a década de 1990 devido às limitações na velocidade de processamento, memória e poder computacional disponíveis. Desde a década de 1990, os avanços na arquitetura de computadores e na organização de memória permitiram que os microprocessadores oferecessem um desempenho muito superior. Simultaneamente, melhorias na compreensão e representação matemática da IA deram origem ao seu subconjunto, conhecido como aprendizado de máquina (AM). O AM inclui diferentes algoritmos para aprendizado independente, e os mais promissores são baseados em técnicas inspiradas no cérebro, classificadas como redes neurais artificiais (RNAs). As RNAs evoluíram subsequentemente para ter estruturas mais profundas e maiores e são frequentemente caracterizadas como redes neurais profundas (RND) e redes neurais convolucionais (RNC). Paralelamente ao surgimento de processadores multicore, técnicas de AM começaram a ser incorporadas em uma variedade de cenários e aplicações. Recentemente, arquiteturas de conjuntos de instruções específicas para aplicações de IA também têm sido suportadas em diferentes microprocessadores. Assim, a melhoria contínua nas capacidades dos microprocessadores atingiu um estágio onde agora é possível implementar aplicações inteligentes complexas em tempo real, como visão computacional, identificação de objetos, reconhecimento de fala, segurança de dados, detecção de espectro, etc. Este artigo apresenta uma visão geral sobre a evolução da IA e como as capacidades crescentes dos microprocessadores têm impulsionado a adoção da IA em uma plétora de domínios de aplicações. O artigo também discute as tendências futuras nas arquiteturas de microprocessadores e como elas continuarão a impulsionar a assimilação da IA em nossas vidas diárias.
Khan et al. (Sun,) estudaram essa questão.