A inteligência artificial nunca esteve tão poderosa — e, ao mesmo tempo, tão cara de sustentar. Por trás de modelos cada vez mais avançados, existe uma infraestrutura que consome enormes quantidades de energia. O desafio já não é apenas fazer sistemas mais inteligentes, mas torná-los viáveis em escala. É nesse cenário que uma nova abordagem, inspirada no funcionamento do cérebro humano, começa a chamar atenção por tentar resolver o problema na raiz.
Um chip que não tenta imitar o cérebro, mas aprender com ele
Pesquisadores da University of Cambridge estão explorando uma ideia que pode parecer contraintuitiva: em vez de tornar os computadores mais potentes seguindo o modelo tradicional, por que não mudar completamente a forma como eles funcionam?
Essa linha de pesquisa se chama computação neuromórfica. Diferente da arquitetura clássica dos computadores — onde memória e processamento são separados —, ela busca integrar essas funções de maneira mais próxima ao que acontece no cérebro.
O avanço mais recente vem de um componente conhecido como memristor. Trata-se de um dispositivo eletrônico capaz de “lembrar” estados anteriores enquanto processa informações. Isso significa que ele não apenas executa tarefas, mas também armazena dados no mesmo lugar — algo que pode reduzir drasticamente a necessidade de transferências constantes dentro do sistema.
O novo design desenvolvido pela equipe utiliza um material específico à base de óxido de háfnio modificado. A diferença em relação a versões anteriores está na estabilidade: enquanto muitos memristores apresentavam comportamentos imprevisíveis, este modelo oferece respostas mais controladas e graduais.
Na prática, isso representa um passo importante. Não se trata de fazer máquinas “pensarem” como humanos, mas de criar componentes que operem de forma mais eficiente, adaptável e confiável — características essenciais para sistemas de inteligência artificial mais avançados.
O verdadeiro gargalo da IA não está no cálculo, mas no consumo
Grande parte do consumo energético da inteligência artificial não vem apenas do processamento em si, mas do movimento constante de dados entre memória e processador. Esse vai e volta contínuo gera calor, desperdício de energia e limitações físicas cada vez mais difíceis de contornar.
É aqui que o modelo inspirado no cérebro se torna especialmente interessante. No sistema biológico, as sinapses não separam de forma rígida o armazenamento da informação e seu uso. Isso permite uma eficiência energética impressionante — algo que a tecnologia atual ainda está longe de alcançar.
O novo memristor tenta justamente replicar essa lógica. Ele é capaz de trabalhar com múltiplos níveis de condutância, indo além do simples “ligado” ou “desligado” dos sistemas binários tradicionais. Além disso, consegue reproduzir comportamentos semelhantes à plasticidade sináptica, ou seja, adapta sua resposta com base na experiência.
Essa característica abre caminho para sistemas de aprendizado mais compactos e menos dependentes de grandes infraestruturas. Segundo os pesquisadores, o uso desse tipo de tecnologia poderia reduzir o consumo energético de certos processos de IA em até 70%. É uma estimativa ambiciosa, mas suficiente para colocar esse tipo de abordagem no radar das grandes empresas e centros de pesquisa.
Ainda não é uma revolução — mas aponta para onde tudo pode ir
Apesar do entusiasmo, ainda existem desafios importantes. A fabricação desse novo componente exige temperaturas muito altas, o que dificulta sua integração imediata com os processos industriais atuais. Além disso, ainda é necessário testar como esse tipo de tecnologia se comporta em larga escala, fora de ambientes controlados de laboratório.
Mesmo assim, o significado do avanço vai além do resultado imediato. Ele indica uma mudança de direção. Em vez de apenas aumentar a capacidade de cálculo, parte da comunidade científica começa a questionar o próprio modelo sobre o qual a computação moderna foi construída.
A inteligência artificial pode continuar evoluindo em software, mas sem uma transformação no hardware, o custo energético tende a se tornar um obstáculo cada vez maior. E é justamente nesse ponto que soluções inspiradas no cérebro ganham relevância.
No fim, a grande ideia não é tornar máquinas mais complexas, mas mais eficientes. E, ironicamente, uma das melhores referências para isso continua sendo algo que já existe há milhões de anos: o próprio cérebro humano.
