Memristores e a revolução da inteligência artificial de baixo consumo energético

Imagine um chip capaz de "lembrar" e processar informações ao mesmo tempo, funcionando de forma semelhante ao cérebro humano. Essa visão, que parece coisa de ficção científica, tem fundamento científico desde 1971, quando o engenheiro eletricista filipino Leon Chua teorizou a existência do memristor – um componente eletrônico passivo que consegue manter a informação sobre a corrente elétrica que já passou por ele mesmo após ser desligado. O nome é uma junção de memory (memória) e resistor.

Apesar de Chua ter previsto o memristor há mais de 50 anos, só em 2008 a Hewlett-Packard (HP) desenvolveu o primeiro protótipo concreto dessa tecnologia. Desde então, o campo evoluiu, e hoje, no Brasil, pesquisadores estão trabalhando em uma aplicação ainda mais avançada: chips que combinam processamento e memória de modo orgânico, imitando os mecanismos do cérebro humano usando silício e óxidos metálicos. Essa abordagem é conhecida como computação neuromórfica.

O potencial dessa tecnologia é enorme porque ela pode reduzir drasticamente o consumo de energia em sistemas inteligentes. Para comparar, o cérebro humano opera com cerca de 20 watts – algo equivalente a uma lâmpada comum – enquanto as inteligências artificiais mais avançadas do mercado exigem energia comparável à de cidades inteiras e precisam de enormes salas cheias de servidores resfriados. Essa discrepância de consumo acontece porque os computadores convencionais separam o processamento dos dados e o seu armazenamento, o que impede a eficiência que o cérebro humano alcança integrando essas funções nas sinapses, as conexões entre os neurônios.

Victor Lopez-Richard, físico cubano do Departamento de Física da Universidade Federal de São Carlos (UFSCar), explicou à Revista Pesquisa FAPESP que "a vantagem genérica de dispositivos com memória é a capacidade de fazer operações lógicas e armazenar os resultados no mesmo espaço". Isso representa um avanço significativo para a tecnologia, abrindo caminho para sensores e sistemas de inteligência artificial que funcionam com muito menos consumo energético.

Esses dispositivos, inspirados na plasticidade sináptica – ou seja, a capacidade das conexões neurais de mudar e se adaptar com a experiência – prometem revolucionar a eletrônica e a computação, tornando possível a criação de equipamentos que aprendem e reagem em tempo real, consumindo muito menos energia e com maior eficiência do que o que é possível atualmente.