Juan Carlos López

La computación clásica con la que todos los que utilizamos un ordenador, un smartphone o un tablet estamos familiarizados no es la única estrategia a la que podemos recurrir para procesar información. Lacomputación cuántica, lacomputación biológicayla computación neuromórficason algunas de las disciplinas emergentes con más potencial.

Aunque aún queda mucho por hacer en todas ellas su futuro es tan prometedor que varias grandes compañías, como Intel, IBM, HP o Google, entre otras, y algunas de las universidades más importantes del planeta,como el MIT, Stanford o el IMEC, están poniendo sus recursos a disposición de los investigadores para propiciarel desarrollo de estas tecnologías.

De la computación neuromórfica, que es la disciplina en la que vamos a indagar en este artículo, os hemos habladoen otros reportajes, pero hasta ahora la hemos abordado ciñéndonos a algunos de sus avances más recientes. Lo que os proponemos esta vez es descubrirladesde una perspectiva más ampliaque nos ayude a intuir en qué estado se encuentra actualmente y qué grupos de investigación tienen algo que decir en esta materia.

Computación neuromórfica: qué es y qué persigue

Para otear el origen de esta disciplina tenemos que remontarnos a los años 60. A Carver Mead, un ingeniero eléctrico estadounidense formado en el Instituto de Tecnología de California (Caltech), se le ocurrió diseñar algoritmos y circuitos integrados concebidos expresamente para imitar el comportamientodel sistema nervioso de los animales.

Mead se dio cuenta de que nuestro cerebro procesa la información de una forma muy eficiente, por lo que imaginó un mundo en el que los ordenadores, que en esa época ya existían pero eran muy diferentes a los actuales,imitaban su comportamiento. Aquella intuición inicial tardó dos décadas en concretarse, de manera que a finales de los años 80 varios grupos de investigación empezaron a coquetear con ella.

Lo que propone la computación neuromórfica es emular el comportamiento del sistema nervioso animal en general, y el del cerebro en particular. El punto de partida que en su momento describió Carver Mead consistía en aproximarse a los transistores como dispositivos de naturaleza analógica, y no como conmutadores digitales. Este enfoque parecía el apropiado porque el comportamiento de los transistores se parece a la manera en que las neuronas se comunican entre ellasmediante impulsos eléctricos(este mecanismo se conoce comosinapsis neuronal).

La idea de Mead es original, y, sobre todo, resulta muy atractiva, pero llevarla a la práctica requiere abordarla desde una perspectiva multidisciplinar en la que la física, la biología, las matemáticas, la informática y la microelectrónica están obligadas a colaborar. Y a entenderse. De lo contrario el objetivo que persigue la computación neuromórficaserá inalcanzable.

El propósito de esta disciplina, que, como veremos a continuación, ha experimentado un desarrollo notable durante la última década y media, es desarrollar sistemas electrónicos que sean capaces de procesar la informaciónde una forma más eficiente. De hecho, aspiran a ser tan eficientes como un cerebro orgánico, un propósito muy ambicioso e interesante, pero también muy difícil de alcanzar.

Pero esto no es todo. Un cerebro orgánico es capaz de llevar a cabo mucho trabajo con muy poca energía, y, además, la manera en que procesa la información lo hace muy hábil cuando se enfrenta a algunos problemas, pero también muy ineficiente ante otros. Esto explica por qué un procesador neuromórfico puede resolver algunos problemas en menos tiempo einvirtiendo menos energíaque un ordenador clásico, pero en otros puede ser mucho más ineficiente que este último.

Estas son las aplicaciones que se les dan bien a los sistemas neuromórficos

Al igual que la computación cuántica o la computación biológica, la computación neuromórfica no aspira a reemplazar los ordenadores clásicos. Estos paradigmas están destinados a convivir y entenderse debido a que a cada uno de ellos se le da bien resolverun tipo determinado de problemas. Con un ordenador clásico podemos abordar un abanico de desafíos muy amplio, pero al enfrentarse a algunos de ellos se comportará de una forma más ineficienteque un ordenador cuánticoo un sistema neuromórfico.

La otra cara de la moneda es fácil de intuir. Y es que un ordenador clásico nos permite encontrar la solución a problemas que por el momento no podemos abordar con un ordenador cuántico o un sistema neuromórfico. Y quizá nunca lo hagamos debido a que cada una de estas disciplinas nos permite encarar retos diferentes. Por la forma en que imita a un cerebro orgánico, a la computación neuromórfica se le dan bien algunos problemas queincorporan un alto paralelismo intrínseco.

Esto significa, sencillamente, que es posible descomponer esos problemas en otros más pequeños que el sistema neuromórfico es capaz de resolver con relativa facilidad. Pero no acaban aquí sus bazas. Además, los sistemas neuromórficos incorporan una gran cantidad de unidades funcionales capaces de manejar esos pequeños problemas, de manera quetodas ellas trabajan simultáneamentepara colaborar en la resolución del problema grande que ha sido previamente descompuesto en estos problemas más pequeños.

Esta estrategia refleja que la computación neuromórfica es atractiva cuando para resolver un problema nos vemos obligados a explorar en paralelo y a mucha velocidad una gran cantidad de soluciones. Lainteligencia artificialencaja muy bien en esta premisa, por lo que los investigadores involucrados en esta tecnología confían en que los sistemas neuromórficos contribuyan a acelerar su desarrollo. No obstante, podemos hilar más fino. Estas sonlas aplicaciones que se le dan biena la computación neuromórfica:

A la cabeza de la computación neuromórfica

Buena parte de las empresas y las instituciones involucradas en el desarrollo de la inteligencia artificial dedica recursos a la computación neuromórfica. Como acabamos de ver, esta última disciplina puede ayudarnos a acometer algunos de los desafíos que conlleva la inteligencia artificial. Aún queda mucho por hacer, como vamos a comprobar a continuación, perolas primeras aplicaciones comercialesya se empiezan a very son realmente interesantes.

IBM, Intel y HP son tres de las empresas que parecen estar invirtiendo más recursos en el desarrollo de la computación neuromórfica. Precisamente una de las innovaciones que ha puesto a punto esta última compañía es la plataforma de desarrollo de softwareCognitive Computing Toolkit, que está disponible bajo la forma deuna versión de código abierto.

Utilizando este software de desarrollo es posible escribir el código de aplicaciones que recurren a algoritmos neuromórficos para proponer soluciones eficientes a problemas difíciles de resolver de forma óptima con el software clásico. Una de las demostraciones que ha hecho HP para dar a conocer la potencia de su herramienta de programación neuromórfica consistió en exhibir una aplicación que es capaz de monitorizar en tiempo real25 emisiones de vídeo simultáneaspara identificar en ellas un logotipo concreto.

Esta tecnología puede ser utilizada, por ejemplo, para que una empresa que ha contratado a varias cadenas de televisión la emisión de varios anuncios compruebe que su publicidad realmente ha sido emitida. El algoritmose encargaría de monitorizarla emisión de todas esas cadenas de televisión y de analizar las imágenes para identificar aquellos anuncios en los que aparece el logotipo de la empresa que ha contratado la publicidad.

Este software no se ejecuta sobre una CPU convencional. Ni siquiera sobre un conjunto de ellas. HP lo ha diseñado para que corra sobre una granja de procesadores gráficos debido a que su arquitecturaprioriza el paralelismo, por lo que consiguen ejecutar de una forma mucho más eficiente los algoritmos neuromórficos que una CPU tradicional.

IBM e Intel también disponen de sus propias plataformas para el desarrollo de software, y, además, ya tienen listo hardware neuromórfico diseñado específicamente para ejecutar de forma eficiente algoritmos neuromórficos. El chip de IBMse llama TrueNorth. Sus ingenieros empezaron a trabajar en él a principios de la década pasada, y en 2014 ya tenían listoun prototipo funcional.

Las cifras de TrueNorth son muy llamativas. Y es que integra 4096 núcleos, de manera que es posible conectar varios procesadores neuromórficos en una red con el propósito de emular,según IBM, un sistema con un millón de neuronas y256 millones de sinapsis. No suena nada mal.

Intel, IBM y HP son tres de las empresas que están invirtiendo en computación neuromórfica

Curiosamente, Intel ha seguido un camino muy similar. Su chip Loihi, del queos hemos habladovarias veces en Xataka, está fabricado con fotolitografía de 14 nm e incorpora 128 núcleos y algo más de130 000 neuronas artificiales. Según Intel ha sido diseñado para proyectos de investigación y tiene unas capacidades similares a las de un cerebro diminuto.

Estas especificaciones son bastante sorprendentes, pero lo más llamativo es que cada una de esas neuronas artificiales puede comunicarse con miles de las neuronas con las que convive, creando una intrincada red que emula a las redes neuronales de nuestro propio cerebro. Aquí es, precisamente,donde reside la potencia de Loihi.

Tomando como punto de partida este chip Intel ha desarrollado sistemas neuromórficos más complejos que combinan varias unidades Loihi para adaptarse a cargas de trabajo sensiblemente más altas y a procesos más exigentes. El más sencillo de estos sistemas es Kapoho Bay, y contiene dos chips Loihi con262 000 neuronasque le permiten, según Intel, identificar gestos en tiempo real y leer braille, entre otros procesos.

Su potencial es enorme, pero el camino aún es muy largo

La computación neuromórfica es una disciplina con un potencial enorme. Ahí reside, precisamente, su atractivo. Por el momento apenas ha salido de los laboratorios de las grandes compañías y los centros de investigación que han apostado por ella, pero promete seruna aliada muy valiosaen los escenarios de uso en los que hemos indagado unos párrafos más arriba.

Aunque aún hay mucho que hacer para que esta tecnología nos entregue todo su potencial ya se está utilizando en algunos escenarios de uso reales, casi siempre vinculada al análisis de imágenes en tiempo real. La complejidad del cerebro humano por el momento es inabarcable, pero, afortunadamente, la computación neuromórficano necesita igualarlas capacidades de nuestro órgano más complejo para resultarnos valiosa.

Más información |Intel|HP|IBM