Los científicos están fascinados con nuestro cerebro. La forma en que procesa la información, su eficiencia, su comportamiento y sus capacidades son un misterio apasionante para ellos. No son pocos los que han dedicado su vida a estudiarlos, ni quienes han puesto todos sus esfuerzos en intentar imitarlo. Son muchos los campos en los que podemos ver reflejado este interés y uno de ellos es la ingeniería neuromórfica.
¿Has escuchado hablar de la ingeniería neuromórfica? Si no es así, no tienes de qué preocuparte. Es normal. Es un campo que, si bien no es reciente, tampoco es muy conocido fuera del ámbito académico. De manera simple, la computación neuromórfica trata de imitar el sistema nervioso de los mamíferos. Es un campo muy ambicioso, y con el potencial de cambiar la informática como la conocemos. ¿Quieres conocer más? En Futuro Eléctrico te contamos todo lo que debes saber.
Tabla de contenidos
¿Qué es la ingeniería neuromórfica?
La ingeniería neuromórfica intenta emular el funcionamiento de las células neuronales de un cerebro. Específicamente, consiste en imitar cómo se transmiten los impulsos eléctricos en las neuronas (sinapsis neuronal) en dispositivos electrónicos. Así, busca emular toda la red neuronal para que un cerebro electrónico pueda realizar procesos complejos igual que uno natural.
Hace 30 años, a finales de los 80, se presentó por primera vez el concepto de ingeniería neuromórfica. Fue desarrollado por Carved Mead, un ingeniero eléctrico formado en el Instituto de Tecnología de California (Caltech). El científico consideró la idea de diseñar circuitos integrados y algoritmos que pudieran imitar el comportamiento del sistema nervioso de los animales.
Para ello, se combina componentes electrónicos analógicos y digitales para emular los sistemas nerviosos. Es necesario mezclar conocimientos de biología, microelectrónica, matemáticas, informática, física e ingeniería. Asimismo, se basa en la biomímesis o biomimética, disciplina científica que se inspira en la naturaleza para desarrollar tecnologías y retos de la humanidad.
Sin embargo, emular el comportamiento del sistema nervioso y del cerebro para aplicar sus procesos en las máquinas no es fácil. Primero, porque no sabemos del todo cómo funciona el cerebro; segundo, porque no se disponían de las herramientas para simularlo. Los científicos no han logrado hasta ahora construir un sistema neuromórfico que iguale la capacidad de procesamiento del cerebro de un ser humano. Sin embargo, se ha conseguido crear sistemas que emulan el cerebro de un mamífero pequeño.
Recomendado:
- Pasar un cerebro al ordenador | ¿Estamos cerca de la inmortalidad?
- Copiar y pegar el cerebro humano en microchips | El proyecto de Samsung
¿Por qué el sistema nervioso?
¿Por qué inspirarse en el sistema nervioso y el cerebro cuando las computadoras son tan eficientes? Nuestro cerebro humano procesa la información de manera extraordinaria. Es increíblemente eficiente con un mínimo consumo de energía: 20 watts. Y aunque los CPU y GPU pueden superar las tareas de procesamiento en serie del cerebro, este realiza procesos más complejos sin tanta energía y a gran velocidad.
Por ejemplo, mover datos de la memoria al procesador y viceversa. El replicar, imitar o inspirarse en estos procesos para desarrollar capacidades que los algoritmos no puedan igualar, convierte a la computación neuromórfica en una disciplina con un gigantesco y revolucionario potencial.
Cabe resaltar que el cerebro está diseñado de manera que minimiza la cantidad de impulsos necesarios para cometer una función. Cada fibra nerviosa y neuronal cuenta con su propio metabolismo y consumo. Además, tiene la capacidad de procesar en tiempo real todos los cambios. En cambio, los ordenadores convencionales procesan los datos por secuencias.
La neuromórfica busca el tiempo real en el procesamiento de datos; la capacidad de unir la memoria con el procesamiento y la creación de hardware eficientes energéticamente capaces de tareas altamente sofisticadas.
En 2005, se generó el proyecto Blue Brain. Este trató de aproximarse al problema de simular el cerebro de un ratón. Para lograrlo, requirió de 16 000 procesadores. Un año después hicieron un modelo de la columna neocortical (más compleja) con 10 000 neuronas y 100 millones de conexiones.
Te podría interesar: Plaga gris | La nanotecnología fuera de control y el hipotético fin del mundo
Para qué sirve la computación neuromórfica
¿Por qué, si tenemos ordenadores, supercomputadoras y nos acercamos a la computación cuántica, nos interesa la computación neuromórfica? Para muchos, los nuevos avances tecnológicos necesitan algo más que nuevos algoritmos. Necesitan un hardware que supere la Ley de Moore. Además, el consumo de electricidad también es una preocupación constante.
Lectura recomendada: Inteligencia artificial y computación cuántica | ¿Qué esperar de esta potente alianza?
Con cada avance tecnológico, se genera un exponencial crecimiento del consumo eléctrico. Este consumo es resultado, principalmente, del tráfico de datos entre la memoria y el procesamiento separadas en las computadoras. Si se acercaran o unieran, se dejaría de desperdiciar energía y aumentaría la velocidad computacional. Por ello, la computación neuromórfica gana importancia: fusionaría la memoria y el procesamiento, consumiría menos energía y computaría más rápido.
Hasta la fecha, los científicos han conseguido desarrollar chips neuromórficos que incorporan decenas de miles de neuronas artificiales. Funcionan de manera muy similar a las nuestras. Por lo tanto, su arquitectura es radicalmente distinta a la de los microprocesadores. Esto trae una ventaja, pero con letra pequeña.
Estos chips permiten enfrentarse a problemas complejos de una forma distinta a como lo hacen los algoritmos clásicos. Pueden dividir un problema en otros más pequeños que resuelven de manera más simultánea. Esto recibe el nombre de paralelismo intrínseco. Se calcula que puede resolver problemas hasta mil veces más rápido; y con diez mil veces más eficiencia energética que un microprocesador tradicional. Superaría, incluso, a los superordenadores.
Sin embargo, todo esto tiene una condición. La computación neuromórfica no es idónea para cualquier problema. Su utilidad se centra en procesos altamente paralelizables con altas cargas de trabajo. Estas conllevan un esfuerzo de cálculo y gasto energético enormes en ordenadores convencionales; por lo tanto, sus beneficios son evidentes en los neuromórficos. Sin embargo, no resuelven cualquier planteamiento, por lo que su uso coexistirá con los demás sistemas mencionados.
Aplicaciones de la ingeniería neuromórfica
Uno de los campos en los que la ingeniería neuromórfica tiene mayor impacto es la inteligencia artificial. Esta tecnología se está utilizando para procesar datos sin estructura en tiempo real. Estos datos están sometidos a un gran volumen de ruido, que suele complicar el funcionamiento de los microprocesadores. Los sistemas neuromórficos ayudan a explorar en paralelo la viabilidad de una gran cantidad de soluciones en un entorno cambiante.
De esta forma, es muy útil para el análisis y reconocimiento de patrones, ya que procesan datos heterogéneos con mucho ruido y pueden identificar patrones según referencias dadas. Por ejemplo, reconocer caras en una base de datos oficial. También, se puede aplicar a la optimización de soluciones para encontrar la que es mejor y más eficiente. En este caso, podemos usar de ejemplo la velocidad de transferencia de un canal de comunicación o la mejor ruta posible para un transporte en determinado momento.
El aprendizaje automático es otro campo donde gana relevancia. De hecho, es el campo de la IA donde más evoluciona. Esto se debe a que los sistemas neuromórficos pueden ser entrenados y adquirir conocimiento con un conjunto infinito de datos. Tal es el caso de los motores de búsqueda, los programas de predicción económica o los diagnósticos médicos.
Relacionado: Deep learning o aprendizaje profundo | Qué es, cómo funciona, aplicaciones
Ahora bien, sus usos principales se centran en la investigación. En el futuro, también podría ser útil para diagnosticar enfermedades; detectar armas y explosivos; localizar e incautar sustancias narcóticas o crear detectores de humo más eficaces.
Un ejemplo no muy conocido son las narices electrónicas. Se usan en el sector de la perfumería para crear nuevas fragancias y desechar ciertos olores. La NASA también tiene su propio modelo, que ayuda a detectar los niveles de amoníaco para predecir un fuego o advertir a los astronautas.
El futuro de la ingeniería neuromórfica
En 2009, un grupo de investigación logró simular el 1 % de la corteza cerebral humana (solo de la corteza). Aunque la simulación fue un éxito, requirió de un millón de vatios de energía eléctrica. Además del bombeo de 76 500 metros cúbicos de aire helado por minuto.
El experimento nos muestra los avances que ha tenido esta ciencia y también nos señala el enorme camino que queda por recorrer. Alcanzar los niveles de eficiencia del cerebro humano es muy complejo. De hecho, no está claro si en algún momento se logre superar este hito. Sin embargo, la ingeniería neuromórfica continúa avanzando y, aunque no iguale al cerebro, seguirá impactando en el mundo.
Las expectativas frente a la ingeniería neuromórfica son muy altas. Se espera que la tecnología se use en casos de vanguardia y tecnologías emergentes, junto con desafíos científicos y de ingeniería. Entre ellos, informática científica, contraproliferación, contraterrorismo, energía y seguridad nacional. También podría proporcionar valor para problemas computacionales grandes y complejos. Sobre todo, aquellos que requieren procesamiento en tiempo real, resolución de problemas, adaptación y fundamentalmente aprendizaje.
Los fabricantes, como es el caso de Sandia National Labs, continúan explorando sus posibilidades y potencialidades. Sandia manifestó que aplicará las capacidades de alta velocidad, alta eficiencia y adaptación de la arquitectura en la computación neuromórfica. Así, espera que la próxima generación de herramientas, algoritmos y sistemas neuromórficos puedan escalar al nivel de mil millones de neuronas y más.
Por su parte, Intel ha manifestado que espera que algunas soluciones neuromórficas sean útiles para realizar simulaciones científicas, como el modelado de interacciones de partículas en fluidos, plasmas y materiales. Además, permitirían aprovechar los avances en optimización, ciencia de datos y capacidades avanzadas de aprendizaje automático.
Lectura recomendada: Aprendizaje supervisado | Qué es y en qué se diferencia del aprendizaje no supervisado
Loihi, el chip de Intel que puede olfatear
Una de las compañías que ha ratificado constantemente su apuesta por la ingeniería neurmórfica es Intel. Por ello, no es sorpresa que una de las tecnologías más llamativas de este campo haya sido creada por ellos. El proyecto se presentó a finales de 2017 y recibe el nombre de Loihi.
Loihi es un chip neuromórfico con capacidad de aprendizaje. Ha sido fabricado con fotolitografía de 14 nm que incorpora 128 núcleos y algo más de 130 000 neuronas. Cada una de las neuronas puede comunicarse con cualquiera de las miles que la acompañan. Es decir, logra emular la red neuronal del cerebro.
Por medio de Loihi, Intel ha desarrollado nuevos sistemas neuromórficos más complejos que unen varias unidades del chip para procesos más exigentes. Con este método, la compañía ha creado su sistema más ambicioso: Pahoiki Springs. Esta es una plataforma de investigación que integra 768 chips Loihi y 100 millones de neuronas (similar a un mamífero pequeño). Su consumo es inferior a 500 vatios.
¿Qué puede hacer Pahiki Springs? Puede llevar a cabo cualquiera de las actividades mencionadas antes. Sin embargo, tiene una capacidad muy particular: detectar sustancias químicas peligrosas a través del olfato. Sí, puede olfatear. De hecho puede emular un circuito olfativo biológico.
El sistema recoge olores y procesa los datos generados por los sensores químicos. Los investigadores aseguran que aprendió la representación neuronal de los olores de diez sustancias químicas peligrosas. Además, manifiestan que los reconoció todos, aún cuando se usan otros olores para ocultarlas o disimularlas.
¿Cómo lo logra?
Para lograr esto, los científicos trabajaron de la mano de neurofisiólogos olfativos que estudian el cerebro de los animales mientras huelen. Con su ayuda, diseñaron un circuito eléctrico basado en los circuitos neurales que se activan al procesar el olor. Entrenaron al algoritmo mediante la medida de 72 sensores químicos. Cada olor da una medida diferente, lo que permite distinguir las muestras.
El chip es todavía un prototipo. Sin embargo, sus aplicaciones pueden ser variadas como la detección de bombas o de humos nocivos en plantas químicas. Sobre todo, este avance demuestra el potencial de la ingeniería neuromórfica para tener una inteligencia artificial más eficiente.
En el futuro, el equipo de investigación planea mejorar el diseño de su chip neuromórfico y aplicarlo a otras funciones del cerebro más allá del olfato. Se dice que Intel probablemente centrará su atención en la visión o el tacto.
Te puede interesar:
- Crean un implante cerebral que podría calmar el dolor en tiempo real
- Biohacking | Cuando hackear tu cuerpo se convierte en «biología de garaje»
Palabras finales
La ingeniería neuromórfica nos propone un campo de acción fascinante: implementar el órgano más poderoso que conocemos en la tecnología. Y aunque la tecnología que hoy en día tenemos es lo supera de varias formas, podría implicar una enorme transformación en cómo funcionan las máquinas.
Además, la ingeniería neuromórfica podría jugar un papel clave en el avance de la inteligencia artificial y la investigación científica. Si ahora, en sus estados tempranos, puede olfatear y reconocer sustancias tóxicas, ¿qué podrá hacer con más desarrollo? ¿Qué nuevos campos puede abarcar? ¿Qué soluciones inesperadas nos brindará en unos años?
Recomendado: