Uma nova pesquisa incrível no campo da “computação fotônica” pode ter implicações revolucionárias para o desenvolvimento da inteligência artificial de nível humano. Cientistas na China desenvolveram recentemente um chip de treinamento de inteligência artificial que usa luz em vez de eletricidade para conduzir cálculos. De acordo com a equipe, é extremamente mais eficiente do que os chips de IA mais populares do mercado.
Enquanto isso, uma equipe não relacionada de pesquisadores de Oxford demonstrou que técnicas semelhantes de computação baseadas em luz podem ser conduzidas usando fontes de luz regulares, em oposição a lasers de alta potência.
Essas duas descobertas representam uma bifurcação potencial na estrada para o desenvolvimento da inteligência geral artificial (AGI), também conhecida como “IA de nível humano“.
AGI não é um termo científico.
É uma ideia puramente teórica que basicamente significa uma máquina inteligente o suficiente para fazer qualquer coisa que um humano médio poderia, dados os mesmos recursos.
Cientistas estão explorando vários caminhos para a AGI, com transformadores pré-treinados generativos (GPTs) sendo um dos mais populares. No entanto, alguns pesquisadores afirmam que os GPTs são um beco sem saída no caminho para a AGI e outros ainda afirmam que precisaremos de algo mais poderoso do que computadores clássicos para imitar o cérebro humano.
O uso da luz para realizar cálculos existe desde a década de 1960. É frequentemente chamado de computação óptica e, de acordo com físicos que trabalham na área, pode um dia substituir a computação de sinal elétrico devido ao fato de que gerar luz consome muito menos energia do que gerar eletricidade.
Agora que uma equipe na China desenvolveu um chip de computador fotônico expressamente com o propósito de treinar um modelo de IA, e uma equipe separada no Reino Unido demonstrou computação fotônica usando luz normal, parece que há novas opções disponíveis para pesquisadores de IA.
Para tentar aproximar o pensamento humano, os desenvolvedores de IA continuam a escalar modelos como o GPT-4o na esperança de que um dia eles sejam grandes o suficiente para imitar a multidão de conexões que ocorrem entre os 100 bilhões de neurônios e 1.000 trilhões de sinapses em nossos cérebros.
Mas pesquisas sugerem que nossos cérebros funcionam mais como computadores quânticos. Se for verdade, um modelo binário de IA teria, teoricamente, que conter mais neurônios e sinapses artificiais do que um cérebro humano em ordens de magnitude para chegar perto de sua complexidade.
Isso deixa os pesquisadores com duas possibilidades: eles podem maximizar sua computação binária ou começar de novo com hardware habilitado para quantum e soluções de treinamento.
Se os chips fotônicos de IA provarem ser uma alternativa viável e com eficiência energética ao status quo, então é possível que eles possam levar os modelos GPT além do que seria viável devido apenas à sua eficiência.
E quando se trata de interagir com quaisquer soluções potenciais de IA quântica no futuro, é um fato simples da natureza que a luz viaja mais rápido do que a eletricidade.
