3 computadoras que imitan el cerebro humano
Fuente: Thinkstock
Durante años, los investigadores han trabajado arduamente en un concepto que parece sacado de una ambiciosa película de ciencia ficción: computadoras que imitan las funciones y la estructura del cerebro humano. Si bien las computadoras que usamos todos los días han recorrido un largo camino en cuanto a velocidad, memoria y capacidad, las computadoras que funcionan más como el cerebro humano podrían completar una nueva serie de tareas como operar robots, sensores o drones, y manejar tareas analíticas complejas. que las computadoras no pueden realizar actualmente.
Siga leyendo para conocer algunas de las computadoras que han intentado imitar las funciones del cerebro humano y cómo nuestra creciente comprensión del cerebro humano ha inspirado nuevos tipos de máquinas que eventualmente podrían conducir a computadoras más capaces y eficientes.
DeepMind construye una máquina de Turing neuronal que imita la memoria de trabajo del cerebro
DeepMind de Google creó una red neuronal que puede acceder a una memoria externa, como una máquina de Turing. Como informa Technology Review del MIT, la computadora tiene como objetivo imitar algunas de las propiedades del cerebro memoria de trabajo a corto plazo . La computadora es un nuevo tipo de red neuronal, adaptada para trabajar con una memoria externa. Aprende a medida que almacena recuerdos y puede recuperarlos más tarde para completar tareas lógicas, tareas que van más allá de aquellas para las que ha sido entrenado.
Un psicólogo cognitivo llamado George Miller descubrió en la década de 1950 que lo que define la memoria a corto plazo del cerebro humano no es la cantidad de información que contiene. En cambio, según la teoría de Miller, la memoria de trabajo puede contener aproximadamente siete 'fragmentos' de información.
Los 'fragmentos' que abordó la investigación de Miller iban desde un solo dígito o letra hasta un pequeño grupo de palabras. Podrían representar cualquier cosa, desde una cantidad muy pequeña de información hasta una idea compleja, equivalente a una cantidad mucho mayor de información, lo que le da al cerebro un atajo para recordar grandes cantidades de información.
Technology Review informa que en la ciencia cognitiva, la capacidad de comprender los componentes de una oración y almacenarlos en la memoria de trabajo se denomina 'vinculación variable'. Esta capacidad permite al cerebro recibir información y asignarla a un lugar en la memoria de trabajo. El cerebro hace esto repetidamente.
En las décadas de 1990 y 2000, los científicos informáticos comenzaron a intentar diseñar algoritmos, circuitos y redes neuronales que pudieran imitar la memoria de trabajo del cerebro humano. Una computadora con tal habilidad cerebral sería capaz de analizar una oración simple, dividiéndola en un actor, una acción y el receptor de la acción. La nueva red neuronal de DeepMind asume esta tarea, pero también cambia la naturaleza fundamental de una red neuronal.
¿Aaron rodgers tiene esposa?
Tradicionalmente, se ha construido una red neuronal a partir de patrones de 'neuronas' conectadas que pueden cambiar la fuerza de sus conexiones en función de la entrada externa. Pero carecen de una memoria externa, un elemento fundamental del proceso de computación, que se pueda leer y escribir durante el proceso computacional. Así que Alex Graves, Greg Wayne e Ivo Danihelka de DeepMind agregaron una memoria externa a la red neuronal, a la que luego llamaron Neural Turing Machine.
Si bien la máquina neuronal de Turing aprende de la entrada externa como una red neuronal convencional, también aprende a almacenar y recuperar información. Puede aprender algoritmos simples a partir de datos de ejemplo y luego usar esos algoritmos para generalizar fuera de su área de entrenamiento. Esa capacidad representa un paso significativo para hacer que las computadoras se parezcan más al cerebro humano que nunca.
Uno de los próximos pasos podría ser abordar otra habilidad del cerebro: recodificar los múltiples fragmentos de información de los que Miller habló en un solo fragmento, en un proceso que permite al cerebro dar sentido a argumentos complejos. Miller consideró que esta capacidad de recodificación era clave para la inteligencia artificial y creía que hasta que una computadora pudiera reproducirla, nunca igualaría el rendimiento del cerebro humano.
Investigadores de Stanford desarrollan el circuito Neurogrid, inspirado en el cerebro humano
En abril, el servicio de noticias de la Universidad de Stanford informó que los bioingenieros desarrolló un nuevo circuito modelado en el cerebro humano. Kwabena Boahen y su equipo de investigadores desarrollaron Neurogrid, una placa de circuito compuesta por 16 chips 'Neurocore' que pueden simular 1 millón de neuronas y miles de millones de conexiones sinápticas. El dispositivo Neurogrid, del tamaño de un iPad, puede simular más 'órdenes de magnitud más neuronas y sinapsis' que otras computadoras que imitan el cerebro, todo con la potencia que se necesita para ejecutar una tableta.
Boahen planea reducir los costos de construcción de la Neurogrid y luego crear un software que permita a ingenieros o informáticos sin conocimientos de neurociencia resolver problemas como controlar un robot humanoide con Neurogrid.
En su forma actual, los investigadores necesitan saber cómo funciona el cerebro humano para programar el prototipo de 40.000 dólares. Como señala el comunicado de prensa: “Su velocidad y características de baja potencia hacen que Neurogrid sea ideal para algo más que modelar el cerebro humano. Boahen está trabajando con otros científicos de Stanford para desarrollar prótesis de extremidades para personas paralizadas que serían controladas por un chip similar a Neurocore ”.
Para hacer un sistema lo suficientemente asequible para ser utilizado ampliamente en la investigación, Boahen cambiaría el proceso de fabricación de los 16 Neurocores, cada uno de los cuales admite 65.536 neuronas, que se basaban en técnicas de fabricación de hace 15 años. Al cambiar a procesos de fabricación más modernos y fabricar los chips en grandes volúmenes, proyecta que podría costar 100 veces un Neurocore y, en teoría, construir una placa de un millón de neuronas por solo $ 400 por copia.
El proyecto SyNAPSE de IBM produce el chip neurosináptico TrueNorth
En el proyecto SyNAPSE de IBM, abreviatura de Systems of Neuromorphic Adaptive Plastic Scalable Electronics, los investigadores asumieron la tarea de rediseñar chips de computadora para replicar la capacidad de las neuronas para hacer conexiones sinápticas. Como informó CNET en ese momento, IBM presentó en agosto lo que llamó el primer chip de computadora neurosináptica del mundo, un procesador que imita el del cerebro humano. habilidades y eficiencia energética .
El chip TrueNorth, del tamaño de un sello postal, incorpora 5.400 millones de transistores, 1 millón de neuronas programables y 256 millones de sinapsis programables. Si bien esas cifras son más bajas que los 100 mil millones de neuronas y los 100 billones a 150 billones en el cerebro humano, el chip encaja las capacidades de una supercomputadora en un microprocesador mucho más pequeño y eficiente.
cuántos años tenía dan marino cuando se jubiló
El investigador principal y gerente senior de IBM, Dharmendra Modha, le dijo a CNET que TrueNorth tiene suficientes neuronas y sinapsis para ejecutar dispositivos que podrían emitir de manera proactiva alertas de tsunami, completar el monitoreo de derrames de petróleo o hacer cumplir las reglas de la ruta de envío, todo mientras funciona aproximadamente con la misma cantidad de energía utilizada. por un audífono.
CNET informa que, en lugar de resolver problemas mediante cálculos matemáticos de fuerza bruta, el chip TrueNorth fue diseñado para comprender su entorno, manejar la ambigüedad y actuar en tiempo real. Las aplicaciones potenciales podrían incluir impulsar robots de búsqueda y rescate, ayudar a las personas con problemas de visión a moverse de manera segura o distinguir entre las voces en una reunión y crear transcripciones precisas para cada orador.
Si bien el chip TrueNorth todavía se encuentra en su fase de prototipo, podrían pasar solo dos o tres años desde su primer uso comercial. Es posible que el chip TrueNorth o una innovación como esta pueda ayudar a superar las limitaciones de la arquitectura de von Neumann, que ha formado el núcleo de casi todas las computadoras creadas desde 1948.
A diferencia de una máquina de Turing, una máquina basada en la arquitectura de von Neumann tiene una memoria de acceso aleatorio (RAM), que permite que cada operación lea o escriba cualquier ubicación de la memoria. También tiene una unidad central de procesamiento (CPU), con uno o más registros que contienen los datos que se están operando. Debido a que el procesador y la memoria están separados y los datos se mueven constantemente entre ellos, los retrasos son inevitables. No importa qué tan rápido pueda funcionar un procesador, el rendimiento de la máquina está limitado por la tasa de transferencia entre el procesador y la memoria.
Como informó The New York Times cuando IBM presentó TrueNorth, la idea de que las redes neuronales podrían ser una herramienta útil para procesar información ha existido desde la década de 1940, antes de la invención de las computadoras modernas, pero solo recientemente, gracias a las ganancias en la capacidad de memoria y el procesamiento. velocidad: las redes neuronales se han convertido potentes herramientas informáticas . Google, Microsoft y Apple han utilizado el reconocimiento de patrones impulsado por redes neuronales para mejorar servicios como el reconocimiento de voz y la clasificación de fotografías.
Con TrueNorth, IBM quiere llevar las computadoras más allá de las tareas matemáticas típicas del 'cerebro izquierdo' para completar las funciones de procesamiento sensorial del 'cerebro derecho' con muy poca potencia. Eso permitiría que los chips instalados en automóviles o teléfonos inteligentes realicen cálculos en tiempo real, sin una conexión a Internet.
Muchos otros proyectos inspirados en el cerebro están actualmente en marcha.
Una variedad de otros proyectos también se encuentran en diversas etapas de intentar emular las funciones del cerebro humano con una computadora. La Unión Europea Proyecto Cerebro Humano , por ejemplo, es una empresa de 10 años con objetivos que incluyen el desarrollo de la computación neuromórfica y los sistemas neurorobóticos, así como la simulación de un cerebro humano en una supercomputadora. El proyecto U.S. BRAIN, abreviatura de Brain Research through Advancing Innovative Neurotechnologies, desafía a los científicos a desarrollar nuevos tipos de herramientas para leer la actividad de miles o incluso millones de neuronas en el cerebro y escribir patrones complejos de actividad.
ZDNet informa que los investigadores de la Universidad RMIT de Melbourne han construido un nanoestructura de almacenamiento de datos que imita el cerebro humano, usando una película de material de óxido más de 10,000 veces más delgada que un cabello humano. El comportamiento de la memoria depende de sus experiencias pasadas, y la investigación tiene como objetivo ayudar a abrir la puerta a la exploración de nuevos materiales a medida que la memoria flash se acerca a los límites de escala.
Como parte del proyecto BrainScales de la Universidad de Heidelberg, los investigadores están desarrollando chips analógicos que imitan el comportamiento de las neuronas y las sinapsis. El chip HICANN, abreviatura de High Input Count Analog Neural Network, aceleraría las simulaciones cerebrales, lo que permitiría a los investigadores simular interacciones de medicamentos que, de otro modo, tardarían meses en realizarse.
Como ComputerWorld informó En mayo, los investigadores de Sandia National Laboratories están llevando a cabo un proyecto a largo plazo para construir computadoras inspiradas en neurología, que unirían el procesamiento y la memoria en una sola arquitectura, de modo que los datos sean procesados y almacenados por los mismos componentes de la máquina. Sandia dice que los investigadores podrán crear esa arquitectura en los próximos años, pero que es probable que aún falten años para las aplicaciones comerciales.
Gizmodo informó que los investigadores de la Universidad de Zurich y ETH Zurich construyeron 11,011 electrodos en una pieza de silicio de 2 milímetros por 2 milímetros, creando un microchip que imita el cerebro humano para crear un microchip que puede 'sentir' y completar el complejo. Tareas sensoriomotoras utilizando las capacidades cognitivas de la red.
Si bien será una tarea monumental crear una computadora que realmente pueda actuar como el cerebro humano, los científicos de una variedad de disciplinas y antecedentes han demostrado que están a la altura del desafío. El alcance y la ambición de los proyectos actualmente en curso son amplios, y el esfuerzo global para construir computadoras que imiten el cerebro humano probablemente continuará produciendo inventos fascinantes y conocimientos sobre nuevas arquitecturas y materiales para hacer que las computadoras sean más poderosas y capaces.
Más de Tech Cheat Sheet:
- ¿Qué es una computadora cuántica y por qué Google está construyendo una?
- ¿Puede un Chromebook reemplazar su computadora?
- 10 tecnologías ficticias representadas en películas que desearíamos que fueran reales
