Un paso importante en la inteligencia artificial

Investigadores en el Departamento de Ingeniería Eléctrica y Computación de la UCSB están buscando crear cerebros informáticos más inteligentes haciéndolos más similares al nuestro

En lo que marca un importante paso adelante para la inteligencia artificial, los investigadores de la Universidad de California en Santa Bárbara han demostrado la funcionalidad de un circuito neuronal artificial simple. Por primera vez, se probó un circuito de aproximadamente 100 sinapsis artificiales para llevar a cabo una versión sencilla de una tarea humana típica: la clasificación de imágenes.

«Es un paso pequeño pero importante», dijo Dmitri Strukov, profesor de ingeniería eléctrica e informática. Con el tiempo, y más avances, los circuitos se pueden expandir y ampliar hasta acercarse a algo así como el cerebro humano, que tiene 1015 (mil billones) de conexiones sinápticas.

A pesar de sus errores y su potencial de imperfección, el cerebro humano sigue siendo un modelo de poder y eficiencia computacional para ingenieros como Strukov y sus colegas, Mirko Prezioso, Farnood Merrikh-Bayat, Brian Hoskins y Gina Adam. Esto es porque el cerebro puede lograr ciertas funciones en una fracción de segundo, lo que a las computadoras les requeriría mucho más tiempo y energía llevarlas a cabo.

¿Cuáles son estas funciones? Bueno, usted está realizando algunos de ellas en este momento. Al leer esto, su cerebro está haciendo en fracciones de segundo innumerables decisiones sobre las letras y símbolos que usted ve, clasificando sus formas y posiciones relativas entre sí, y derivando diferentes niveles de significado a través de muchos canales de contexto, en menor tiempo que el necesario para escanear esta impresión. Cambie la fuente, o incluso la orientación de las letras, y es probable que todavía sea capaz de leer esto y obtener el mismo significado.

En la demostración de los investigadores, el circuito que implementa la red neuronal artificial rudimentaria pudo clasificar con éxito tres letras («z», «v» y «n») a partir de sus imágenes, cada letra con diferentes estilos o saturadas de «ruido». En un proceso similar a la manera en que los seres humanos escogemos a nuestros amigos a partir de una multitud, o encontramos la tecla correcta en un conjunto de llaves similares, el circuito neuronal sencillo pudo clasificar correctamente las imágenes simples.

«Si bien el circuito era muy pequeño en comparación con las redes prácticas, es lo suficientemente grande como para demostrar el concepto de practicidad», dijo Merrikh-Bayat. Según Gina Adán, si crece el interés en la tecnología, la investigación tomará impulso.

«Y, mientras se propongan más soluciones a los retos tecnológicos de esta tecnología, ésta podrá llegar antes al mercado», dijo.

La clave de esta tecnología es el memristor (una combinación de «memoria» y «resistor»), un componente electrónico cuya resistencia cambia dependiendo de la dirección del flujo de la carga eléctrica. A diferencia de los transistores convencionales, que dependen de la deriva y difusión de electrones y sus huecos a través del material semiconductor, la operación del memristor se basa en el movimiento iónico, similar a la forma en que las células neurales humanas generan señales eléctricas neuronales.

«El estado de la memoria es almacenado como un perfil de la concentración específica de defectos que se pueden mover hacia atrás y adelante en el memristor», dijo Strukov. El mecanismo de memoria iónico tiene varias ventajas con respecto a las memorias sólo a base de electrones, que lo hace muy atractivo para su aplicación en redes neuronales artificiales, añadió.

«Por ejemplo, muchas configuraciones diferentes de perfiles iónicos resultan en un continuo de estados de memoria y por lo tanto una funcionalidad analógica de la memoria», dijo. «Los iones también son mucho más pesados que los electrones y no hacen túnel (efecto cuántico) fácilmente, lo que permite un agresivo escalado de los memristores sin sacrificar sus propiedades analógicas.»

En esto es donde la memoria analógica triunfa sobre la memoria digital: con el fin de lograr la misma funcionalidad tipo cerebro humano con la tecnología convencional, el dispositivo resultante tendría que ser enorme; plagado de multitud de transistores que requerirían mucha más energía.

«Las computadoras clásicas siempre encontrarán un ineludible límite a una computación cerebral eficiente en su propia arquitectura», dice el investigador principal, Prezioso. «Esta tecnología basada en memristores se basa en un camino completamente diferente inspirado en el cerebro biológico para llevar a cabo el cálculo.»

Para ser capaz de acercarse a la funcionalidad del cerebro humano, sin embargo, se necesitarían muchos más memristores para construir redes neuronales más complejas que puedan hacer el mismo tipo de cosas que podemos hacer sin apenas esfuerzo y energía, tales como identificar las diferentes versiones de la misma cosa o inferir la presencia o la identidad de un objeto no en base al objeto en sí, sino en otras cosas en una escena.

Ya existen aplicaciones potenciales para esta tecnología emergente, tales como el proceso de imágenes para medicina, mejorar los sistemas de navegación o incluso en búsquedas basadas en imágenes y no en el texto. El circuito compacto de alta eficiencia energética que los investigadores están tratando de crear implicaría también recorrer un largo camino para crear la clase de computadoras de alto rendimiento y dispositivos de almacenamiento de memoria que se continuarán buscando mucho tiempo luego de que la proliferación de transistores digitales predicha por la Ley de Moore se vuelva demasiado difícil de manejar para la electrónica convencional.

«Lo interesante es que, a diferencia de las soluciones más exóticas, no es difícil imaginar esta tecnología integrada en unidades de procesamiento comunes y dar un impulso serio a los ordenadores del futuro», dice Prezioso.

 

 

Mientras tanto, los investigadores continuarán mejorando el rendimiento de los memristores, escalando la complejidad de los circuitos, y enriqueciendo la funcionalidad de la red neural artificial. El siguiente paso sería integrar una red neuronal de memristores con tecnología de semiconductores convencionales, lo que permitirá manifestaciones más complejas y permitir que este primitivo cerebro artificial haga cosas más complicadas y variadas. Idealmente, de acuerdo con el científico de materiales Hoskins, este cerebro consistiría en billones de este tipo de dispositivos integrados verticalmente uno arriba de otro.

«Hay muchas aplicaciones potenciales; esto sin duda nos da toda una nueva forma de pensar», dijo.

Konstantin Likharev del Departamento de Física y Astronomía de la Universidad de Stony Brook también llevó a cabo investigación para este proyecto. Los hallazgos de los investigadores se han publicado en la revista Nature.

Fuente: EurekAlert. Aportado por Eduardo J. Carletti

Más información: