Los científicos de la Escuela de Ingeniería y la Escuela de Computación Avanzada de USC Viterbi han creado neuronas artificiales que reproducen el complejo comportamiento electroquímico de células cerebrales reales. Descubrimientos, publicados Electrónica de la naturalezaMarca un hito importante en la computación neuromórfica, un campo que diseña hardware que imita el cerebro humano. Este avance podría reducir el tamaño del chip en órdenes de magnitud, reducir drásticamente el consumo de energía y acercar la inteligencia artificial a la inteligencia artificial general.
A diferencia de los procesadores digitales o los chips neuromórficos anteriores que sólo simulan la actividad cerebral a través de modelos matemáticos, estas nuevas neuronas reproducen físicamente cómo funcionan las neuronas reales. Así como la actividad cerebral natural es desencadenada por señales químicas, estas versiones artificiales utilizan interacciones químicas reales para iniciar procesos computacionales. Esto significa que no son sólo representaciones simbólicas sino recreaciones reales de la actividad biológica.
Una nueva clase de hardware similar al cerebro
La investigación, dirigida por Joshua Yang, profesor del Departamento de Ingeniería Eléctrica y Computación de la USC, se basa en su trabajo pionero anterior sobre sinapsis artificiales hace más de una década. El nuevo enfoque del equipo se centra en un dispositivo llamado “memristor difusivo”. Sus hallazgos describen cómo estos materiales podrían conducir a una nueva generación de chips que complementen y mejoren la electrónica tradicional basada en silicio. Mientras que los sistemas de silicio dependen de los electrones para realizar cálculos, los memristores difusos de Young utilizan el movimiento de los átomos, creando un proceso que se asemeja a cómo las neuronas biológicas transmiten información. El resultado podrían ser chips más pequeños y eficientes que procesen información como un cerebro y potencialmente allanen el camino hacia la inteligencia artificial general (AGI).
En el cerebro, tanto las señales eléctricas como las químicas impulsan la comunicación entre las células nerviosas. Cuando un impulso eléctrico llega al final de una neurona llamada sinapsis, se convierte en una señal química para transmitir información a la siguiente neurona. Una vez recibida, esa señal se convierte nuevamente en un impulso eléctrico que viaja a través de la neurona. Yang y sus colegas han replicado este complejo proceso en su dispositivo con una precisión impresionante. Una ventaja importante de su diseño es que cada neurona artificial cabe en el espacio de un solo transistor, mientras que los diseños más antiguos requerían decenas o incluso cientos.
En las neuronas biológicas, las partículas cargadas conocidas como iones ayudan a generar impulsos eléctricos que permiten la actividad del sistema nervioso. El cerebro humano depende de iones como el potasio, el sodio y el calcio para que esto suceda.
Usando iones de plata para recrear la dinámica cerebral
En el nuevo estudio, Yang, que también dirige el Centro de Excelencia en Computación Neuromórfica de la USC, utilizó iones de plata incrustados en materiales de óxido para generar pulsos eléctricos que imitan la actividad cerebral natural. Incluye procesos básicos como aprendizaje, movimiento y planificación.
“Aunque no son exactamente los mismos iones en nuestras sinapsis y neuronas artificiales, la física que gobierna el movimiento y la dinámica de los iones es muy similar”, dijo Yang.
“La plata es fácil de dispersar y nos da la dinámica que necesitamos para simular biosistemas de modo que podamos lograr la función de neuronas con estructuras muy simples”, explica Yang. El nuevo dispositivo que podría habilitar un chip similar a un cerebro se llama “memristor difusivo” debido al movimiento de los iones y al uso de plata para provocar una difusión dinámica.
El equipo optó por utilizar la dinámica iónica para construir un sistema artificialmente inteligente, añadió, “porque ocurre en el cerebro humano, por una buena razón, y porque el cerebro humano, ‘el ganador de la evolución, es el motor inteligente más eficiente'”.
“Es más eficiente”, dijo Yang.
Por qué la IA es una cuestión de eficiencia en el hardware
Yang afirma que el problema de la informática moderna no es la falta de potencia sino la ineficiencia. “No es que nuestros chips o computadoras no sean lo suficientemente potentes para lo que sea que estén haciendo. Es que no son lo suficientemente eficientes. Consumen demasiada energía”, explica. Esto es especialmente importante dada la cantidad de energía que consumen los sistemas de inteligencia artificial a gran escala actuales para procesar enormes conjuntos de datos.
Yang explica que, a diferencia del cerebro, “nuestros sistemas informáticos existentes nunca tuvieron la intención de procesar grandes cantidades de datos o aprender de unos pocos ejemplos propios. Una forma de aumentar tanto el poder como la eficiencia del aprendizaje es crear sistemas artificiales que operen de acuerdo con principios observados en el cerebro”.
Si busca velocidad pura, los electrones impulsados por computadoras modernas serán los mejores para operaciones más rápidas. Pero, explica, “los iones son un mejor medio que los electrones para incorporar los principios del cerebro. Debido a que los electrones son ligeros y volátiles, la computación con ellos permite el aprendizaje basado en software en lugar del aprendizaje basado en hardware, que es fundamentalmente diferente de cómo funciona el cerebro”.
Por el contrario, dice, “el cerebro aprende moviendo iones a través de la membrana, logrando un aprendizaje adaptativo y energéticamente eficiente directamente en el hardware, o más precisamente, lo que la gente podría llamar ‘wetware'”.
Por ejemplo, un niño pequeño puede aprender a reconocer dígitos escritos a mano después de ver sólo unos pocos ejemplos de cada uno, mientras que una computadora normalmente necesita miles para realizar la misma tarea. Sin embargo, el cerebro humano logra esta notable hazaña consumiendo sólo 20 vatios de energía, en comparación con los megavatios que requieren las supercomputadoras actuales.
Posibles implicaciones y próximos pasos
Yang y su equipo ven esta tecnología como un paso importante hacia la replicación de la inteligencia natural. Sin embargo, admite que la plata utilizada en estos experimentos aún no es compatible con los procesos estándar de fabricación de semiconductores. El trabajo futuro explorará otros materiales iónicos que puedan lograr efectos similares.
Los memristores difusores son eficientes tanto en potencia como en tamaño. Un teléfono inteligente típico puede tener unos diez chips, cada uno con miles de millones de transistores que se encienden y apagan para realizar cálculos.
“En lugar de eso (con esta innovación), utilizamos solo una huella de transistor para cada neurona. Estamos diseñando bloques de construcción que en última instancia nos llevan a reducir el tamaño del chip en órdenes de magnitud, reducir el consumo de energía en órdenes de magnitud, para que pueda ser sostenible realizar IA en el futuro, que no podemos quemar sin niveles de energía”. Joven.
Ahora que hemos demostrado bloques de construcción, sinapsis y neuronas artificiales capaces y compactos, el siguiente paso es ensamblar un gran número de ellos y probar hasta qué punto podemos replicar las funciones y capacidades del cerebro. “Aún más emocionante”, dijo Yang, “es la posibilidad de que sistemas tan fieles al cerebro puedan ayudarnos a descubrir nuevos conocimientos sobre cómo funciona el cerebro mismo”.
