MADRID, 12 May. (EUROPA PRESS) -
En un importante paso para la inteligencia artificial, expertos de la Universidad de California Santa Bárbara han demostrado la funcionalidad de un circuito neuronal artificial simple.
Por primera vez, un circuito de aproximadamente 100 sinapsis artificiales ha sido probado 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, los circuitos se podrán ampliar hasta acercarse a algo así como el cerebro humano, que tiene más de un trillón de conexiones sinápticas.
A pesar de sus errores y el 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. Eso es porque el cerebro puede lograr ciertas funciones en una fracción de segundo, algo para lo que las computadoras requerirían mucho más tiempo y energía.
¿Cuáles son estas funciones?. Al leer esto, por ejemplo, el cerebro está tomando innumerables decisiones en fracciones de segundo sobre las letras y símbolos, clasificando sus formas y posiciones relativas entre sí y derivando diferentes niveles de significado a través de muchos canales de contexto. Cambiando la fuente, o incluso la orientación de las letras, es probable que todavía sería capaz de leer esto y obtener el mismo significado.
CLASIFICÓ TRES LETRAS
En la demostración de los investigadores, el circuito para la implementación de la red neuronal artificial rudimentaria fue capaz de clasificar con éxito tres letras ("z", "v" y "n") a partir de sus imágenes, cada letra estilizada de diferentes maneras o saturada con 'ruido'. En un proceso similar a la forma en que los seres humanos escogemos a nuestros amigos a partir de una multitud, el circuito neuronal artificial fue capaz de clasificar correctamente las imágenes simples.
"Aunque 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 un comunicado de la UC Santa Bárbara. la clave de esta tecnología es el memristor (una combinación de "memoria" y "resistencia"), 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 la difusión de electrones y sus agujeros 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 se almacena como un perfil de concentración específico de los defectos que se puede mover hacia atrás y adelante en el memristor", dijo Strukov. El mecanismo de memoria iónico tiene varias ventajas con respecto a las memorias puramente a base de electrones, que lo hace muy atractivo para la aplicación de redes neuronales artificiales, añadió.
"Por ejemplo, muchas configuraciones diferentes de perfiles iónicos resultan en un proceso continuo análogo de estados de memoria y funcionalidad de la memoria", dijo. "Los iones también son mucho más pesados que los electrones y no excavan fácilmente, lo que permite un escalado agresivo de memristores sin sacrificar propiedades análogas."
UN PROCESO DIFERENTE
Aquí es donde la memoria analógica triunfa sobre la memoria digital: con el fin de crear la misma funcionalidad del cerebro humano con la tecnología convencional, el dispositivo resultante tendría que ser enorme - cargado con multitud de transistores que requerirían mucho más energía. "Los ordenadores clásicos siempre encontrarán un límite ineludible a la eficiencia de la computación cerebral en su propia arquitectura", dijo el investigador principal Prezioso.
"Esta tecnología basada en el memristor se basa en una forma completamente diferente, inspirada en cerebro biológico, para llevar a cabo el cálculo."
Para ser capaz de acercarse a la funcionalidad del cerebro humano, sin embargo, se necesitarán aún muchos más memristores para construir redes neuronales más complejas y 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 que no se basa en el objeto en sí, sino en otras cosas en una escena.
Las aplicaciones potenciales ya existen para esta tecnología emergente, tales como las imágenes médicas, el mejoramiento de los sistemas de navegación o incluso para búsquedas basadas en imágenes y no en el texto.
