La computación clásica con la que funcionan nuestros ordenadores, móviles y demás dispositivos del mercado ya no está sola. ¿Sabéis qué es la computación neuromórfica? Os lo contamos.
Si te parece complicada de entender la computación cuántica, la computación neuromórfica puedes considerarla una absoluta locura. Junto con la computación cuántica, la biológica y la clásica, el mundo está siendo testigo de tecnologías emergentes que cada día muestran un potencial mayor en diferentes campos de uso. Posible el futuro de todas estas tecnología es convivir reforzando aquellos ámbitos en las que la clásica no puede ayudarnos aún.
De la computación cuántica ya os hemos hablado en anteriores ocasiones, ordenadores que se basan en las leyes de la física cuántica para realizar problemas muy complejos. Pues bien, la computación neuromórfica pone el foco de atención en algo que nos resulta más familiar, pero que es también muy complejo, nuestro cerebro.
La mayoría ya sabemos de forma genérica cómo funciona nuestro móvil con la computación clásica. El famoso sistema binario de 1 y 0 que tanto juego nos ha dado en los últimas décadas. Sin embargo, nuestro cerebro no funciona para nada así y ha demostrado ser una gran herramienta de resolución de problemas.
Por eso, en los años 60 Carver Mead, ingeniero eléctrico del Instituto de Tecnología de Caltech consideró la opción de crear algoritmos y circuitos integrados con la misma estructura y comportamiento que el sistema nervioso de los animales. Mead comprobó que el comportamiento de los transistores se parece a la manera en la que las neuronas se comunican entre ellas transmitiendo impulsos eléctricos mediante un mecanismo que se conoce como sinapsis neuronal.
La complejidad del cerebro es tal que se ha necesitado una colaboración entre materias como la física, la microelectrónica, la biología, las matemáticas y la informática para avanzar en esos transistores análogicos con los que soñaba Mead. A pesar de todo el tiempo que ha pasado desde esos primeros pasos, los investigadores aún no han conseguido construir un sistema neuromórfico artificial que se pueda equiparar al del cerebro humano.
Los chips capaces de oler
Sin embargo, esto no significa que los avances conseguidos hasta ahora no sean sorprendentes. En 2017, Intel, una de las empresas que más ha apostado por el estudio y desarrollo de esta nueva forma de computación, presentó Loihi, un chip neuromórfico fabricado con algo más de 130.000 neuronas.
A Loihi se le dio mucha relevancia en los medios de comunicación por sus capacidades olfativas y es que este chip neuromórfico sirvió en un estudio de investigación con la Universidad de Cornell para detectar sustancias químicas peligrosas.
Pero por encima de esta cualidad, lo más sorprendente de Loihi, que ha servido para seguir mejorando esta tecnología, es su estructura, cada una de esas neuronas artificiales puede comunicarse con las miles de neuronas que integran en ese chip, y crear una compleja red de comunicación similar a la de un cerebro biológico.
Esto lo vemos de nuevo en los sucesivos productos presentados por Intel en los siguientes años como Pohoiki Springs una plataforma con 100 millones de neuronas, lo que equivaldría al cerebro de un pequeño mamífero. Si esto se ha conseguido en cuatro años, podemos esperar grandes avances en la siguiente década.
- Loihi (2017): 130.000 neuronas
- Kapoho Bay(2018): 262.000 neuronas, dos chips Loihi (identifica gestos en tiempo real y leer braille)
- Pohoiki Spring (2020): 100 millones de neuronas
La capacidad olfativa de Loihi es un buen ejemplo de los problemas que nos puede ayudar a resolver la computación neuromórfica. A estos sistemas se les da muy bien procesar datos sin una estructura clara y que presentan mucho ruido. Una situación en la que no trabajan bien los procesadores y algoritmos clásicos, los sistemas binarios a los cuales se les da mejor resolver operaciones matemáticas complejas. Precisamente por eso se dice que la computación neuromórfica puede ser la compañera perfecta de los sistemas de inteligencia artificial.
El aprendizaje automático o el reconocimiento de patrones son algunas de las disciplinas en las que se espera conseguir una mayor compatibilidad: Programas de reconocimiento del habla, diagnósticos médicos, motores de búsqueda más intuitivos o aplicaciones de navegación y logística impulsados por las capacidades de los chips neuromórficos
Además de Intel, otras empresas e instituciones han trabajado también para alcanzar logros en ese ámbito tecnológico. SpiNNaker (Spiking Neural Network Architecture) es un ejemplo, desarrollado por la Universidad de Manchester y abalado por el Human Brain Project en Europa. Este grupo de estudio se basó en los componentes tradicionales pero consiguiendo que se comporten como el cerebro biológico. Este chip ya va por su segunda generación SpiNNaker 2.
Estas neuronas artificiales prometen ser más rápidas y necesitar menos energía para resolver problemas con los que un microprocesador convencional no se siente tan a gusto. Que una máquina pueda trabajar como lo hace el cerebro humano suena aterrador, pero podría servir para comprender mejor lo qué sucede en nuestra cabeza en enfermedades como el Alzheimer o el Parkinson.