¿Está la computación neuromórfica más cerca de imitar a nuestro cerebro?

La consultora Gartner ha situado la computación neuromórfica como una de las cuatro tecnologías emergentes que marcarán 2023. Se trata de una tecnología de Inteligencia Artificial (IA) que busca dar un nuevo giro de tuerca en su autonomía, permitiéndole interpretar y adaptarse a determinadas situaciones en lugar de limitarse a ejecutar algoritmos. ¿Realmente es posible?

Los actuales sistemas de IA precisan mucho tiempo de aprendizaje, consumiendo ingentes cantidades de datos en este proceso. Con toda esa información y aplicando los algoritmos que previamente han sido formulados, el sistema identifica patrones, lo que en determinadas situaciones presenta muchas limitaciones. La computación neuromórfica, que los expertos encuadran en la tercera generación de la IA, trata de imitar el funcionamiento de la compleja red neuronal de los seres humanos que, además, roza la excelencia de eficiencia energética consumiendo menos de 20 vatios de potencia, muy lejos de los consumos de los superordenadores de IA.

En lugar de lo que se conoce como el modelo Von Neumann, en el que las computadoras se componen de CPU y unidades de memoria separadas, almacenándose los datos y las instrucciones en éstas últimas, en un sistema neuromórfico tanto el procesamiento como la memoria están gobernados por las neuronas y las sinapsis (uniones entre neuronas).

Se lleva muchos años trabajando en esta tecnología, incluido en el capítulo del consumo de energía, como prueba que IBM ya presentará en 2014 el procesador neuromórfico TrueNorth con una densidad de potencia de 20 milivatios por centímetro. Desde aquel chip, que contaba con un millón de neuronas digitales y 256 millones de sinapsis programables, se han producido nuevos avances.

Precisamente esa vía de eficiencia energética es uno de los grandes impulsores de esta tecnología. Gracias a que en un sistema neuromórfico el procesamiento y la memoria están juntos, no sólo se eliminan los cuellos de botella que se dan en un ordenador convencional, sino que también evita los accesos a datos desde la memoria principal, que consume una gran cantidad de energía, más incluso que la computación posterior de los datos.

Las aplicaciones de IA que se están desarrollando requieren una extraordinaria capacidad de computación, lo que dispara el consumo energético y de refrigeración, hasta el punto de que ésta vive un momento de transición desde los sistemas de enfriamiento por aire a los líquidos. Los equipos neuromórficos pueden resolver esa problemática.

Ya existen experiencias al respecto, como es el caso del Human Brain Project de la Unión Europea con el que se persigue realizar simulaciones de neurociencia a escala, o el chip Tianjic desarrollado por China (Universidad de Tsinghua de Pekín), en colaboración con investigadores de EEUU y Singapur. Como prueba piloto en 2019, los responsables implantaron el chip en una bicicleta, capaz de obedecer a comandos de voz, manteniendo de manera autónoma el equilibrio y siendo capaz de rodar y realizar giros por sí sola.

Otro de los proyectos más innovadores nace en los Intel Labs con su chip neuromórfico de segunda generación Loihi 2 y el entorno de software de código abierto Lava. Según Intel, Loihi 2 cuenta con hasta un millón de neuronas y una capacidad de procesamiento hasta diez veces más rápida.

Las aplicaciones, clave

Buena parte de la investigación realizada hasta ahora se ha centrado en aspectos del hardware, incluidos los materiales entre los que se busca explorar alternativas al silicio y el óxido de metal en otros ferroeléctricos, no filamentosos. Sin embargo, el software va a ser esencial, no sólo a nivel de algoritmos sino de aplicaciones neuromórficas.

Hace un año, la revista Nature publicaba un interesante artículo –para avanzados- al respecto. En dicho artículo se identificaban tres grandes aplicaciones prácticas de los chips neuromórficos. La primera de ellas, como ya apuntaba hace cuatro años el chip Tianjic, se dará en los vehículos autónomos, ya sean coches, drones, etc. A ellos se sumarán la robótica, los sensores remotos (Internet de las Cosas, IoT), tecnología portátil, etc., aprovechando el bajo consumo de energía de estos procesadores.

La aceleración de la IA en dispositivos como los teléfonos móviles y ordenadores portátiles será otra de las aplicaciones, ganando en eficiencia y mejorando el ciclo de vida de las baterías. El tercer gran caso de uso viene dado por la capacidad de estos chips de realizar cálculos que no son de aprendizaje automático, lo que brindará la oportunidad de incorporarse como coprocesadores en sistemas informáticos.

Gartner considera que llevará de tres a seis años para que se pase de lo que en tecnología se conoce como estado de adopción temprana y se salte a la adopción mayoritaria temprana. A finales de 2023 podríamos ver dispositivos neuromórficos innovadores, aunque como se apunta en Nature, “el uso más efectivo de las computadoras neuromórficas requerirá un cambio de paradigma en la forma en que los investigadores piensan sobre la programación”.