Será possível ter milhares de milhões de “processadores tartaruga” independentes a trabalhar em paralelo? A biologia humana poderia ser muito mais eficiente em termos energéticos do que a computação atual.
Os computadores modernos são um triunfo da tecnologia. Um único chip de computador contém milhares de milhões de transístores à escala nanométrica que funcionam de forma extremamente fiável e a um ritmo de milhões de operações por segundo.
No entanto, esta velocidade e fiabilidade elevadas têm como custo um consumo de energia significativo. Os centros de dados e os aparelhos informáticos domésticos, como os computadores e os telemóveis, representam cerca de 3% da procura global de eletricidade, e a utilização da IA é suscetível de aumentar ainda mais o consumo.
Mas e se pudéssemos redesenhar a forma como os computadores funcionam, de modo a que pudessem executar tarefas de computação tão rapidamente como atualmente, gastando muito menos energia?- questiona Heiner Linke, no The Conversation.
Neste caso, a natureza pode oferecer-nos algumas soluções potenciais.
Em 1961, o cientista da IBM Rolf Landauer debruçou-se sobre a questão de saber se precisamos de gastar tanta energia em tarefas de computação.
O especialista criou o limite de Landauer, que afirma que uma única tarefa computacional – por exemplo, definir um bit, a unidade mais pequena de informação do computador, para ter um valor de zero ou um – deve gastar cerca de 10–²¹ joules (J) de energia.
Trata-se de uma quantidade muito pequena, apesar dos muitos milhares de milhões de tarefas que os computadores realizam. Se pudéssemos utilizar os computadores a estes níveis, a quantidade de eletricidade utilizada na computação e a gestão do calor residual com sistemas de arrefecimento não seriam motivo de preocupação.
No entanto, há um senão. Para efetuar uma operação de bits próxima do limite de Landauer, esta tem de ser realizada de forma infinitamente lenta. Prevê-se que a computação em qualquer período de tempo finito custe um montante adicional que é proporcional ao ritmo a que as computações são efetuadas. Por outras palavras, quanto mais rápida for a computação, mais energia é utilizada.
Mais recentemente, este facto foi demonstrado por experiências criadas para simular processos computacionais: a dissipação de energia começa a aumentar de forma mensurável quando se efetua mais do que uma operação por segundo.
Os processadores que funcionam a uma velocidade de relógio de mil milhões de ciclos por segundo, o que é típico nos semicondutores atuais, utilizam cerca de 10–¹¹J por bit – cerca de dez mil milhões de vezes mais do que o limite de Landauer.
A solução poderá passar por conceber os computadores de uma forma fundamentalmente diferente. A razão pela qual os computadores tradicionais funcionam a um ritmo muito rápido é o facto de operarem em série – uma operação de cada vez. Se, em vez disso, fosse possível utilizar um grande número de “computadores” a trabalhar em paralelo, cada um deles poderia trabalhar muito mais lentamente.
Por exemplo, poder-se-ia substituir um processador “lebre”, que efetua mil milhões de operações num segundo, por mil milhões de processadores “tartaruga”, cada um demorando um segundo completo a realizar a sua tarefa, com um custo energético muito inferior por operação.
Um estudo publicado na Nature em 2023 do qual Heiner Linke foi coautor mostrou que um computador poderia então funcionar perto do limite de Landauer, utilizando ordens de grandeza menos energia do que os computadores atuais.
Poder da tartaruga
Será possível ter milhares de milhões de “computadores” independentes a trabalhar em paralelo? – questionou o investigador.
O processamento paralelo a uma escala mais pequena – explica – já é utilizado hoje em dia, por exemplo, quando cerca de 10.000 unidades de processamento gráfico ou GPUs funcionam ao mesmo tempo para treinar modelos de inteligência artificial.
No entanto, isto não é feito para reduzir a velocidade e aumentar a eficiência energética, mas sim por necessidade. Os limites da gestão do calor tornam impossível aumentar ainda mais o poder de computação de um único processador, pelo que os processadores são utilizados em paralelo.
Um sistema de computação alternativo que está muito mais próximo do que seria necessário para se aproximar do limite de Landauer é conhecido como biocomputação baseada em redes. Utiliza proteínas motoras biológicas, que são pequenas máquinas que ajudam a executar tarefas mecânicas no interior das células.
Este sistema envolve a codificação de uma tarefa computacional num labirinto nanofabricado de canais com intersecções cuidadosamente concebidas, que são normalmente feitas de padrões de polímeros depositados em bolachas de silício. Todos os caminhos possíveis através do labirinto são explorados em paralelo por um número muito grande de moléculas longas, semelhantes a fios, chamadas biofilamentos, que são alimentadas pelas proteínas motoras.
Cada filamento tem apenas alguns nanómetros de diâmetro e cerca de um micrómetro de comprimento (1000 nanómetros). Cada um deles atua como um “computador” individual, codificando a informação através da sua posição espacial no labirinto.
Esta arquitetura é particularmente adequada para resolver os chamados problemas combinatórios. Trata-se de problemas com muitas soluções possíveis, como a programação de tarefas, que são computacionalmente muito exigentes para computadores em série.
Biocomputadores mais eficientes
As experiências confirmam que um biocomputador deste tipo requer entre 1.000 e 10.000 vezes menos energia por cálculo do que um processador eletrónico.
Isto é possível porque as próprias proteínas motoras biológicas evoluíram de forma a não utilizarem mais energia do que a necessária para executarem a sua tarefa ao ritmo exigido. Este é tipicamente de algumas centenas de passos por segundo, um milhão de vezes mais lento do que os transístores.
Atualmente, apenas pequenos computadores biológicos foram construídos por investigadores para provar o conceito. Para ser competitiva com os computadores eletrónicos em termos de velocidade e computação, e explorar um grande número de soluções possíveis em paralelo, a biocomputação baseada em redes precisa de ser aumentada.
Uma análise pormenorizada mostra que tal deveria ser possível com a atual tecnologia de semicondutores e que poderia beneficiar de outra grande vantagem das biomoléculas em relação aos eletrões, nomeadamente a sua capacidade de transportar informação individual, por exemplo sob a forma de uma etiqueta de ADN.
Existem, no entanto, numerosos obstáculos à escalada destas máquinas, incluindo aprender a controlar com precisão cada um dos biofilamentos, reduzir as suas taxas de erro e integrá-los na tecnologia atual.
Se este tipo de desafios puder ser ultrapassado nos próximos anos, os processadores resultantes poderão resolver certos tipos de problemas computacionais difíceis com um custo energético extremamente reduzido.
“Computação neomórfica”
Em alternativa, é um exercício interessante comparar a utilização de energia no cérebro humano. O cérebro é frequentemente aclamado como sendo muito eficiente em termos energéticos, utilizando apenas alguns watts – muito menos do que os modelos de IA – para operações como respirar ou pensar.
No entanto, não parecem ser os elementos físicos básicos do cérebro que poupam energia. O disparo de uma sinapse, que pode ser comparado a um único passo computacional, consome, de facto, aproximadamente a mesma quantidade de energia que um transístor necessita por bit.
No entanto, a arquitetura do cérebro está altamente interligada e funciona de forma fundamentalmente diferente tanto dos processadores electrónicos como dos biocomputadores baseados em redes. A chamada computação neuromórfica tenta emular este aspeto das operações cerebrais, mas utilizando novos tipos de hardware informático, em oposição à biocomputação.
Seria muito interessante comparar as arquitecturas neuromórficas com o limite de Landauer para ver se os mesmos tipos de conhecimentos da biocomputação poderiam ser transferidos para aqui no futuro. Se assim for, também poderá ser a chave para um enorme salto em frente na eficiência energética dos computadores nos próximos anos.
ZAP // The Conversation
