A capacidade de analisar as conexões neurais no cérebro é fundamental para a tecnologia de interface cérebro-computador (ICC), essencial para aplicações como o controle de membros artificiais e o aprimoramento da inteligência humana. Para uma análise mais precisa, a interpretação rápida e acurada de sinais complexos provenientes de inúmeros neurônios no cérebro é indispensável. De acordo com o periódico IEEE Transactions on Neurological and Rehabilitation Engineering, o Dr. Park Jong-gil e sua equipe no Centro de Pesquisa em Tecnologia de Semicondutores do Instituto Avançado de Ciência e Tecnologia da Coreia (KIST) propuseram um novo método que imita os princípios de aprendizagem do cérebro, trazendo novos avanços para a pesquisa relacionada.
A equipe de pesquisa construiu seu método com base no princípio da Plasticidade Dependente do Tempo de Pico (STDP), que afirma que o cérebro ajusta a força das conexões de acordo com a ordem de disparo dos sinais entre os neurônios. Utilizando esse princípio, a equipe consegue aprender a conectividade das redes neurais do cérebro em tempo real, sem a necessidade de armazenar toda a atividade neuronal. Os métodos tradicionais exigem o armazenamento de longo prazo dos dados de atividade neuronal e, em seguida, o uso de métodos estatísticos para calcular as conexões. À medida que a escala das redes neurais aumenta, isso exige recursos computacionais significativos e introduz atrasos, tornando a análise em tempo real praticamente impossível em ambientes com inúmeros sinais simultâneos.
O novo algoritmo de aprendizado desenvolvido por pesquisadores do KIST reduz significativamente a grande quantidade de memória necessária para a implementação de hardware STDP. Essa tecnologia elimina as tabelas de consulta reversa, que consomem muita memória, permitindo que o STDP seja implementado em uma arquitetura escalável em hardware neuromórfico altamente integrado. Com base nisso, sistemas neuromórficos com aprendizado em chip podem processar dados 20.000 vezes mais rápido do que as tecnologias tradicionais existentes, mantendo uma precisão interpretativa semelhante. A engenharia neuromórfica representa a próxima geração de semicondutores de inteligência artificial, mas sua comercialização tem sido dificultada pela falta de áreas de aplicação específicas. A tecnologia de "análise de conectividade neural cerebral em tempo real" desenvolvida por pesquisadores do KIST representa um ponto de virada significativo na demonstração das aplicações práticas da engenharia neuromórfica e no impulsionamento da comercialização de semicondutores de inteligência artificial de próxima geração. O Dr. Park Jong-gil afirmou: "Esta conquista marca um ponto de virada crucial no desenvolvimento da computação neuromórfica como uma ferramenta poderosa para resolver problemas do mundo real." Ele também indicou que essa tecnologia, com sua estrutura de hardware simples e fácil escalabilidade, pode ser aplicada a campos avançados de inteligência artificial, como veículos autônomos e comunicações via satélite.
