Chips que simulan el cerebro en tiempo real
Investigadores neuroinformáticos de la Universidad de Zurich y de la Escuela Politécnica Federal de Zúrich, conjuntamente con colegas de la Unión Europea y Estados Unidos, demostraron que un complejo conjunto de capacidades cognoscitivas pueden ser incorporadas en sistemas electrónicos fabricados con chips “neuromórficos“.
Mostraron además la manera de ensamblar y configurar estos sistemas electrónicos para funcionar de forma muy similar al cerebro.
Ninguna computadora actual trabaja tan eficientemente como el cerebro humano –por lo que la construcción de un cerebro artificial es el objetivo de muchos científicos. Los investigadores participantes en este proyecto indicaron que han realizado un gran avance en esta dirección al comprender como configurar chips neuromórficos para imitar la capacidad de procesamiento de información que el cerebro realiza en tiempo real.
Su demostración incluyó la construcción de un sistema de procesamiento sensorial artificial que muestra habilidades cognoscitivas.
Simulación de neuronas biológicas
La mayoría de intentos en neuroinformática se limitan al desarrollo de modelos de redes neurales en computadoras convencionales, o buscan simular redes nerviosas complejas en sistemas VLSI personalizados o en supercomputadoras.
La idea de los investigadores de Zúrich es el desarrollo de circuitos electrónicos que sean comparables a los circuitos en el cerebro real en términos de tamaño, rapidez y consumo de energía.
“Nuestro objetivo es emular las propiedades de las neuronas y sinapsis biológicas directamente en microchips”, explico Giacomo Indiveri, profesor en la Universidad de Zurich.
El reto principal fue, según Indiveri, la configuración de redes fabricadas con neuronas artificiales (neuromórficas) de manera tal que pudieran ejecutar tareas específicas. Lo que hasta el momento han tenido éxito en hacer es:
El desarrollo de un sistema neuromórfico que pueda ejecutar tareas complejas sensomotoras en tiempo real. Hicieron la demostración de una acción que requiere memoria de corto plazo y toma de decisión dependiente del contexto –ambas características típicas para pruebas de conocimiento cognoscitivo.
Para esa demostración, el equipo combinó neuronas neuromórficas en redes que implementan módulos de procesamiento neural equivalente a las “máquinas de estado finito” –un concepto matemático que describe los procesos lógicos o programas de cómputo.
El comportamiento puede ser formulado como “máquina de estado finito” y por consiguiente transferido a hardware neuromórfico de manera automática, dijo Indiveri. “Los patrones de conectividad de red de la máquina recuerda las estructuras que se encuentras en los cerebros de mamíferos”.
Sistema de procesamiento neural en tiempo real
Los científicos también demostraron la manera en que puede construirse un sistema de procesamiento neural en tiempo real, donde el usuario determina el comportamiento. “Gracias a nuestro método, los chips neuromórficos pueden configurarse en una clase grande de modos de comportamiento. Nuestro resultado es un pivote para el desarrollo de nuevas tecnologías inspiradas en el cerebro”, indicó Indiveri.
Una aplicación, por ejemplo, podría ser la combinación de chips con componentes sensoriales neuromórficos, tales como cóclea o retina artificiales, para crear sistemas cognoscitivos complejos que interactúen con su medio ambiente en tiempo real.
Más información aquí.
Habría que ver el journal donde se ve lo que realmente hace ese chip. Aquí hay uno precursor sino que es de donde fue inicia el diseño.
A Modular CMOS Design of a Hamming Network
MoisCs E. Robinson, Hideki Yoneda, and Edgar Sanchez-Sinencio, Fellow, IEEE
Eso no es nada novedoso quisiera ver la publicación y en que Journal está incluido, (porfa) porque eso no me significa con lo poco técnico que especifican masque una variación (o réplica), de lo publicado en el 92 por Edgar Sanches Sinencio en “A Modular CMOS Design of a Hamming Network”, Mois Cs E. Robinson, Hideki Yoneda, and Edgar Sanchez-Sinencio, Fellow, IEEE en IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 3, NO. 3, MAY 1992. Saludines.