Computación neuromórfica: cómo funciona y qué la hace tan prometedora. La computación clásica no es la única estrategia a la que podemos recurrir para procesar información. Nos referimos a la que todos utilizamos en un ordenador, smartphone o Tablet. La computación cuántica, la computación biológica y la computación neuromórfica son algunas de las disciplinas emergentes con más potencial.

Aunque aún queda mucho por hacer en todas ellas su futuro es prometedor. Tanto que compañías como Intel, IBM, HP o Google, entre otras; y algunas de las universidades más importantes del planeta, como el MIT, Stanford o el IMEC, están poniendo sus recursos a disposición de los investigadores para propiciar el desarrollo de dichas tecnologías.

El portal Xataca ofrece un extenso reportaje sobre la computación neuromórfica, para intuir en qué estado se encuentra actualmente; y qué grupos de investigación tienen algo que decir en esta materia.

Computación neuromórfica: qué es y qué persigue

Vamos a remontarnos a los años 60. A Carver Mead, ingeniero eléctrico estadounidense formado en el Instituto de Tecnología de California (Caltech), se le ocurrió diseñar algoritmos y circuitos integrados concebidos expresamente para imitar el comportamiento del sistema nervioso de los animales.

Y es que la computación neuromórfica propone emular el comportamiento del sistema nervioso animal en general; y el del cerebro en particular.

Mead se dio cuenta de que nuestro cerebro procesa la información de una forma muy eficiente; por lo que imaginó un mundo en el que los ordenadores imitaban su comportamiento. Aquella intuición inicial tardó dos décadas en concretarse, de manera que a finales de los 80 varios grupos de investigación empezaron a coquetear con ella.

El punto de partida consistía en aproximarse a los transistores como dispositivos de naturaleza analógica; y no como conmutadores digitales. Este enfoque parecía apropiado porque el comportamiento de los transistores se parece a la manera en que las neuronas se comunican entre ellas mediante impulsos eléctricos. Este mecanismo se conoce como sinapsis neuronal.

La idea de Mead es original, y, sobre todo, resulta muy atractiva; pero llevarla a la práctica requiere abordarla desde una perspectiva multidisciplinar en la que la física, la biología, las matemáticas, la informática y la microelectrónica están obligadas a colaborar. Y a entenderse. De lo contrario el objetivo que persigue la computación neuromórfica será inalcanzable.

LEE TAMBIÉN:   Ventas del sector panadero caen 70% por cuarentena radical

Sistemas electrónicos capaces de procesar información

El propósito de esta disciplina es desarrollar sistemas electrónicos capaces de procesar la información de una forma más eficiente. De hecho, aspiran a ser tan eficientes como un cerebro orgánico, un propósito muy ambicioso e interesante; pero también muy difícil de alcanzar.

Pero esto no es todo. Un cerebro orgánico es capaz de llevar a cabo mucho trabajo con muy poca energía; y además, la manera en que procesa la información lo hace muy hábil cuando se enfrenta a algunos problemas, pero también muy ineficiente ante otros. Esto explica por qué un procesador neuromórfico puede resolver algunos problemas en menos tiempo e invirtiendo menos energía que un ordenador clásico. Y en otros puede ser mucho más ineficiente que este último.

Aplicaciones que se les dan bien a los sistemas neuromórficos

Al igual que la computación cuántica o la computación biológica, la computación neuromórfica no aspira a reemplazar los ordenadores clásicos. Estos paradigmas están destinados a convivir y entenderse; debido a que a cada uno de ellos se le da bien resolver un tipo determinado de problemas. Con un ordenador clásico podemos abordar un abanico de desafíos muy amplio. Pero al enfrentarse a algunos de ellos se comportará de una forma más ineficiente que un ordenador cuántico o un sistema neuromórfico.

La otra cara de la moneda es fácil de intuir. Y es que un ordenador clásico nos permite encontrar la solución a problemas que por el momento no podemos abordar con un ordenador cuántico o un sistema neuromórfico. Y quizá nunca lo hagamos debido a que cada una de estas disciplinas nos permite encarar retos diferentes. Por la forma en que imita a un cerebro orgánico, a la computación neuromórfica se le dan bien algunos problemas que incorporan un alto paralelismo intrínseco.

Esto significa, sencillamente, que es posible descomponer esos problemas en otros más pequeños; problemas que el sistema neuromórfico es capaz de resolver con relativa facilidad. Pero no acaban aquí sus bazas.

LEE TAMBIÉN:   Falleció el prestigioso arquitecto venezolano Edmundo Díquez

Además, los sistemas neuromórficos incorporan una gran cantidad de unidades funcionales capaces de manejar esos pequeños problemas; de manera que todas ellas trabajan simultáneamente para colaborar en la resolución del problema grande que ha sido previamente descompuesto en estos problemas más pequeños.

Un chip neuromórfico puede resolver algunos problemas en menos tiempo e invirtiendo menos energía que un ordenador clásico

Esta estrategia refleja que la computación neuromórfica es atractiva para resolver un problema y en paralelo y a mucha velocidad una gran cantidad de soluciones. La inteligencia artificial encaja muy bien en esta premisa. De allí que los investigadores involucrados en esta tecnología confían en que los sistemas neuromórficos contribuyan a acelerar su desarrollo.

Identificación de patrones

Los algoritmos neuromórficos son muy eficientes cuando su propósito es seleccionar un conjunto de objetos heterogéneos analizando su semejanza con uno o varios modelos tomados como referencia. Esta característica puede utilizarse, por ejemplo, para identificar rostros en una base de datos policial.

Aprendizaje automático

Los algoritmos neuromórficos pueden ser utilizados para analizar un conjunto finito de datos con el propósito de inferir nuevo conocimiento a partir de un conjunto potencialmente infinito de datos. Esta tecnología se utiliza en los motores de búsqueda, para elaborar predicciones económicas, en las aplicaciones de reconocimiento del habla, etc.

Búsqueda de la mejor solución

Otra aplicación en la que los algoritmos neuromórficos encajan como un guante son los problemas de optimización. Su propósito es encontrar la solución óptima a un problema en tiempo real y de forma sostenida. Sirve, por ejemplo, para optimizar la transferencia de información a través de un canal de comunicación analizando en tiempo real los parámetros imprevisibles que condicionan este proceso.

Satisfacción de requisitos

Los algoritmos neuromórficos también han demostrado ser muy eficientes cuando necesitamos utilizarlos para analizar un conjunto finito de soluciones a un problema determinado con el propósito de que identifiquen aquellas que satisfacen unos requisitos que hemos definido previamente. En este ámbito pueden ayudarnos a diseñar la ruta óptima que debe seguir un repartidor de paquetes o los horarios de las clases que debe impartir una institución educativa, entre muchas otras opciones.

LEE TAMBIÉN:   Derretimiento de suelos congelados podría revivir antiguas pandemias

A la cabeza de la computación neuromórfica

Buena parte de las empresas e instituciones involucradas en el desarrollo de la inteligencia artificial dedica recursos a la computación neuromórfica. Aún queda mucho por hacer, pero las primeras aplicaciones comerciales ya se empiezan a ver y son realmente interesantes.

BM, Intel y HP son tres de las empresas que invierten más recursos en el desarrollo de la computación neuromórfica. Precisamente una de las innovaciones es la plataforma de desarrollo de software Cognitive Computing Toolkit, disponible bajo la forma de una versión de código abierto.

Utilizando este software de desarrollo es posible escribir el código de aplicaciones que recurren a algoritmos neuromórficos para proponer soluciones eficientes a problemas difíciles de resolver.

Una de las demostraciones de HP para dar a conocer la potencia de su herramienta de programación neuromórfica consistió en exhibir una aplicación capaz de monitorizar en tiempo real 25 emisiones de vídeo simultáneas para identificar en ellas un logotipo concreto.

Esta tecnología puede ser utilizada, por ejemplo, para que una empresa que contrató a varias cadenas de televisión la emisión de varios anuncios compruebe que su publicidad realmente fue emitida. El algoritmo se encargaría de monitorizar la emisión de todas esas cadenas de televisión; y de analizar las imágenes para identificar aquellos anuncios en los que aparece el logotipo de la empresa contratante.

Este software no se ejecuta sobre una CPU convencional. Ni siquiera sobre un conjunto de ellas. HP lo ha diseñado para que corra sobre una granja de procesadores gráficos debido a que su arquitectura prioriza el paralelismo. Por ello consiguen ejecutar de una forma mucho más eficiente los algoritmos neuromórficos que una CPU tradicional.

Computación neuromórfica: cómo funciona y qué la hace tan prometedora

Fuente: Xataka

Comentarios

Comenta en Facebook

Translate »