La ingeniería neuromórfica no es una disciplina reciente. Es relativamente poco conocida más allá de los ámbitos académico y de investigación, pero, en realidad, existe desde hace más de tres décadas. Su invención se atribuye a Carver Mead, un ingeniero eléctrico estadounidense formado en el prestigioso Instituto de Tecnología de California (Caltech) que a finales de los años 60 empezó a coquetear con la idea de diseñar circuitos integrados y algoritmos capaces de imitar el comportamiento del sistema nervioso de los animales.
Nuestro cerebro, que es, sin duda, el órgano más complejo de nuestro cuerpo, procesa la información de una manera extraordinariamente eficiente. Mead tuvo la habilidad de intuir hace más de medio siglo que algún día los ordenadores podrían inspirarse en él para desarrollar capacidades que los algoritmos que utilizamos en la informática clásica difícilmente podrían igualar. Su idea comenzó a tomar forma en los laboratorios dos décadas después de aquella primera intuición, a finales de los años 80, y durante la última década y media varios grupos de investigación y empresas han puesto en marcha proyectos que han aupado a la ingeniería neuromórfica como una disciplina con un potencial abrumador. Quizá, incluso, revolucionario.
Ingeniería neuromórfica: qué es y en qué se inspira
La naturaleza es una fuente de inspiración inagotable. La computación neuromórfica, como también se la conoce, no es en absoluto la primera tecnología que se inspira en la manera en que la naturaleza ha encontrado la solución a un reto. La forma de algunos trenes de alta velocidad está inspirada en una cualidad del martín pescador, un ave que gracias a la aerodinámica de su pico puede sumergirse en pleno vuelo sin apenas salpicar y sin provocar distorsiones en el agua. Los trenes más veloces han adoptado un «morro» puntiagudo similar al pico del martín pescador porque de esta forma no producen un estampido sónico al salir de los túneles.
Carver Mead concibió una arquitectura híbrida que combinase componentes electrónicos para emular no solo cómo funciona una neurona, sino también una gran cantidad de células nerviosas
Son tantas las innovaciones que hemos desarrollado inspirándonos en la naturaleza que ha surgido una disciplina científica, la biomímesis o biomimética, que, precisamente, toma como modelo la forma en que la naturaleza ha resuelto los retos con los que se ha encontrado durante miles de años. De la misma manera en que la aerodinámica de los trenes «bala» se inspira en la forma del pico del martín pescador, la computación neuromórfica se inspira en el comportamiento del sistema nervioso animal en general, y del cerebro en particular.
Una característica que puede ayudarnos a intuir su ambición es que su complejidad es tan alta que durante los últimos años se ha consolidado como una materia interdisciplinar que se nutre de la física, la microelectrónica, la biología, las matemáticas y la informática para seguir desarrollándose. El punto de partida inicial de Carver Mead fue aproximarse a los transistores como dispositivos de naturaleza analógica, y no como conmutadores digitales. Gracias a esta estrategia se dio cuenta de que el comportamiento de los transistores se parece a la manera en que las neuronas se comunican entre ellas transmitiendo impulsos eléctricos mediante un mecanismo conocido como sinapsis neuronal.
La placa de circuito impreso de esta fotografía es una Nahuku de Intel e incorpora entre 8 y 32 chips neuromórficos Loihi de quinta generación.De alguna forma imaginó que debía de ser posible diseñar una arquitectura híbrida que combinase componentes electrónicos analógicos y digitales para emular no solo cómo funciona una neurona, sino también cómo se comporta un sistema complejo constituido por una gran cantidad de células nerviosas. En definitiva, intuyó que debía de ser posible construir un cerebro electrónico capaz de llevar a cabo un procesamiento complejo de la información similar al que realiza de forma natural y extremadamente eficiente un cerebro orgánico. Los científicos aún no han conseguido construir un sistema neuromórfico que iguale la capacidad del cerebro humano, pero ya tenemos, como veremos más adelante, sistemas con una capacidad equiparable a la del cerebro de un mamífero de pequeño tamaño con los que ya es posible llevar a cabo procesos muy complejos.
Estas son algunas de las aplicaciones de la computación neuromórfica
Los chips neuromórficos más avanzados que los científicos han conseguido desarrollar hasta ahora incorporan decenas de miles de neuronas artificiales, que son diminutos elementos electrónicos capaces de comunicarse entre sí de una forma muy similar a como lo hacen las neuronas de nuestro cerebro con el propósito de imitar su capacidad de procesamiento de la información. Esta estrategia provoca que la arquitectura de estos chips sea radicalmente diferente a la que utilizan los microprocesadores de nuestros ordenadores, teléfonos móviles y tabletas, y es precisamente esta diferencia la que nos permite enfrentarnos a problemas complejos de una forma muy distinta a como lo hacemos cuando utilizamos ordenadores y algoritmos clásicos.
El auténtico potencial de los sistemas neuromórficos consiste en su capacidad de resolver algunos problemas con mucha más rapidez y de una forma mucho más eficiente desde un punto de vista energético que un ordenador convencional. Incluso que un superordenador. Esto es posible, precisamente, debido a su habilidad a la hora de imitar la manera en que nuestro cerebro se enfrenta a los problemas. Una de las características más relevantes de los sistemas neuromórficos es su paralelismo intrínseco, que no es otra cosa que la capacidad de descomponer un problema en otros más pequeños que se pueden procesar de forma simultánea utilizando las distintas unidades funcionales de los sistemas neuromórficos.
Los sistemas neuromórficos pueden resolver algunos problemas con más rapidez y de una forma más eficiente que un superordenador convencional
Todo esto sobre el papel suena muy bien, pero para intuir el potencial real de la ingeniería neuromórfica es necesario que conozcamos en qué medida un sistema neuromórfico consigue aventajar a un ordenador convencional cuando ambos se enfrentan a la resolución de un mismo problema. Los sistemas neuromórficos actuales se utilizan principalmente para investigación, y si observamos lo mucho que han avanzado durante la última década y media parece razonable intuir que a medio plazo continuarán desarrollándose notablemente, lo que posiblemente los llevará más allá del ámbito académico y de los laboratorios de investigación. En cualquier caso, las cifras que manejan los sistemas neuromórficos actuales son bastante impresionantes. Y es que son capaces de resolver algunos problemas hasta 1.000 veces más rápido que un microprocesador clásico. Y, además, con una eficiencia energética hasta 10.000 veces mayor.
Estas cifras son muy impactantes, pero es importante que tengamos en cuenta que la computación neuromórfica no es la solución idónea para cualquier problema. Los investigadores la están utilizando para encontrar la solución a cargas de trabajo complejas y altamente paralelizables que conllevan un esfuerzo de cálculo y un gasto energético enormes cuando utilizamos un ordenador convencional. En estas circunstancias los sistemas neuromórficos pueden ser mucho más rápidos y eficientes incluso que los superordenadores con arquitectura clásica que tenemos hoy en día, pero no los reemplazarán porque, como acabamos de ver, no son idóneos para resolver cualquier problema. Ambas arquitecturas seguirán coexistiendo en el futuro.
La computación neuromórfica tiene aplicaciones de lo más insospechadas. Los jugadores del futbolín de esta fotografía están controlados en tiempo real por un conjunto de chips neuromórficos Loihi de Intel.Una de las disciplinas en las que está teniendo un mayor impacto la computación neuromórfica es la inteligencia artificial. Los investigadores están diseñando algoritmos que son capaces de procesar en tiempo real datos sin estructura que están sometidos a un gran volumen de ruido, algo que, precisamente, se le da mal a los microprocesadores y algoritmos convencionales. Estos últimos son muy eficientes cuando deben resolver operaciones matemáticas muy complejas, que es algo con lo que nuestro cerebro y los sistemas neuromórficos, que están inspirados en él, no se sienten cómodos, pero cuando lo importante es explorar en paralelo la viabilidad de una gran cantidad de soluciones en un entorno cambiante, y hacerlo a mucha velocidad, la computación neuromórfica marca la diferencia. Estos son algunos de los escenarios en los que esta disciplina encaja como un guante:
- Problemas de optimización: un algoritmo neuromórfico puede resultar de gran ayuda a la hora de encontrar la mejor solución a un problema determinado en tiempo real y de forma sostenida. Puede utilizarse, por ejemplo, para optimizar la velocidad de transferencia de un canal de comunicación adaptándose a las circunstancias difíciles de prever que se van sucediendo a lo largo del tiempo.
- Aprendizaje automático: esta rama de la inteligencia artificial puede sacar mucho partido a esta disciplina gracias a las facilidades que nos da a la hora de diseñar algoritmos neuromórficos que pueden ser entrenados con un conjunto finito de datos para inferir nuevo conocimiento a partir de un conjunto potencialmente infinito de datos. Esta tecnología se puede utilizar en motores de búsqueda, en programas de reconocimiento del habla, para elaborar predicciones económicas y diagnósticos médicos, etc.
- Reconocimiento de patrones: los algoritmos neuromórficos están demostrando ser muy eficaces en todos aquellos procesos en los que es necesario identificar un conjunto de objetos heterogéneos a partir de su semejanza con uno o varios modelos tomados como referencia. Pueden utilizarse, por ejemplo, para reconocer caras en una base de datos policial, o para encontrar la ruta más corta entre dos puntos conectados por varios caminos en una aplicación de navegación y mapas.
- Satisfacción de limitaciones: los algoritmos neuromórficos pueden diseñarse de manera que sean capaces de explorar un conjunto grande de soluciones a un problema determinado para encontrar aquellas que satisfacen unos requisitos concretos. Esta característica resulta muy útil para encontrar la ruta óptima que debe seguir un repartidor de paquetes, para planificar los horarios que deben tener las clases de una institución educativa, para diseñar estrategias capaces de maximizar la probabilidad de victoria en un juego de mesa, etc.
Loihi: el chip neuromórfico de Intel capaz de oler que puede salvarnos la vida
Intel es una de las compañías privadas que han apostado con más contundencia por la ingeniería neuromórfica. A finales de 2017 presentó Loihi, un chip neuromórfico de quinta generación con capacidad de aprendizaje y diseñado para proyectos de investigación con unas capacidades similares a las de un cerebro diminuto. Esto es, al menos, lo que nos permiten intuir sus cifras. Y es que este circuito integrado fabricado con fotolitografía de 14 nm incorpora 128 núcleos y algo más de 130.000 neuronas.
Estas especificaciones son bastante sorprendentes, pero lo más llamativo es que cada una de esas neuronas artificiales puede comunicarse con miles de las neuronas con las que convive, creando una intrincada red que emula a las redes neuronales de nuestro propio cerebro. Aquí es, precisamente, donde reside la potencia de Loihi. Tomando como punto de partida este chip Intel ha desarrollado sistemas neuromórficos más complejos que combinan varias unidades Loihi para adaptarse a cargas de trabajo sensiblemente más altas y a procesos más exigentes. El más sencillo de estos sistemas es Kapoho Bay, y contiene dos chips Loihi con 262.000 neuronas que le permiten, según Intel, identificar gestos en tiempo real y leer braille, entre otros procesos.
El sistema neuromórfico Pohoiki Springs integra 768 chips Loihi y 100 millones de neuronas artificiales, lo que lo dota de una complejidad equiparable a la del cerebro de un mamífero de pequeño tamaño
En cualquier caso, Kapoho Bay es solo la punta del iceberg. Y es que el sistema neuromórfico más ambicioso de esta compañía es Pohoiki Springs, una plataforma para investigación presentada por Intel hace solo unos días que integra 768 chips Loihi y nada menos que 100 millones de neuronas, lo que lo dota de una complejidad equiparable a la del cerebro de un mamífero de pequeño tamaño. Intel ha confirmado que tiene un consumo inferior a los 500 vatios, una cifra realmente sorprendente si tenemos presente que cada sistema neuromórfico Pohoiki Springs incorpora 768 chips Loihi. Aun así, más allá de las cifras, lo realmente interesante es qué podemos hacer con un hardware como este.
Todas las aplicaciones de los sistemas neuromórficos de las que he hablado unos párrafos más arriba pueden, según Intel, llevarse a cabo con Pohoiki Springs, pero hay una aplicación especialmente sorprendente en la que merece la pena que nos detengamos: la detección de sustancias químicas peligrosas a través del olfato. Esta innovación ha sido desarrollada por un grupo de trabajo en el que han participado ingenieros de Intel e investigadores de la Universidad de Cornell, y ha sido necesario que los chips neuromórficos Loihi trabajen en tándem con una matriz de 72 sensores químicos que es la responsable de capturar los olores.
Los investigadores han conseguido poner a punto un algoritmo neuromórfico que, una vez ejecutado en la matriz de chips Loihi, emula el comportamiento de un circuito olfativo biológico. De esta forma, los datos generados por los sensores químicos como respuesta a la recogida de los olores son procesados por el sistema neuromórfico, que, según Intel, consigue identificar correctamente hasta diez sustancias químicas peligrosas incluso en presencia de otros olores capaces de enmascararlas.
Las cifras del sistema neuromórfico Pohoiki Springs son espectaculares: integra 768 chips Loihi, 100 millones de neuronas artificiales y 100.000 millones de sinapsis.Las aplicaciones de una tecnología como esta en el mundo real son muy numerosas. Y, sobre todo, son importantes. Y es que los sistemas olfativos electrónicos podrán utilizarse para diagnosticar enfermedades, fabricar detectores de monóxido de carbono domésticos mucho más precisos que los actuales, detectar armas, explosivos y drogas, etc. Sus aplicaciones son muy variadas y prometen tener un impacto directo en nuestra vida, por lo que sería estupendo que esta tecnología alcance la viabilidad comercial lo antes posible. Crucemos los dedos.
Disney+ rebajado de 69,99 euros a 59,99 euros durante un año: oferta limitada hasta el 23 de marzo
Más información | Intel
via Magazine - robotica-e-ia https://ift.tt/2JcG4H2
No hay comentarios:
Publicar un comentario