Tecnología neuromórfica de IBM e Intel podría resultar útil para analizar radiografías y mercados bursátiles
Los chips «neuromórficos», inspirados en el cerebro, de IBM e Intel pueden ser útiles no solo para la inteligencia artificial. En un nuevo estudio se afirma que también podrían resultar ideales para una clase de cálculos útiles en una amplia gama de aplicaciones, como el análisis de radiografías médicas y la economía financiera.
Los científicos llevan mucho tiempo intentando imitar el funcionamiento del cerebro con programas conocidos como redes neuronales y con equipos conocidos como chips neuromórficos. Hasta ahora, la computación neuromórfica se ha centrado principalmente en implementar redes neuronales. No estaba claro si este hardware podía ser útil más allá de las aplicaciones de IA.
Los chips neuromórficos suelen imitar el funcionamiento de las neuronas de distintas maneras, por ejemplo, realizando muchos cálculos en paralelo. Además, al igual que las neuronas biológicas calculan y almacenan datos a la vez, el hardware neuromórfico a menudo busca combinar procesadores y memoria, lo que podría reducir la energía y el tiempo que los ordenadores convencionales pierden al mover datos entre estos componentes.
Mientras que los microchips convencionales usan señales que se disparan a intervalos regulares para coordinar la actividad de los circuitos, la actividad en la arquitectura neuromórfica suele manifestarse en forma de picos, que se activan solo cuando la carga eléctrica alcanza un valor determinado, algo muy parecido a lo que ocurre en un cerebro como el nuestro.
Hasta ahora, la principal ventaja de la computación neuromórfica ha sido la eficiencia energética: funciones como los picos y la combinación de memoria y procesamiento dieron lugar al chip TrueNorth de IBM, cuya densidad de potencia era cuatro órdenes de magnitud inferior a la de los microprocesadores convencionales de la época.
«De muchos estudios sabemos que la computación neuromórfica tendrá ventajas en eficiencia energética, pero en la práctica a la gente no le importa ahorrar energía si eso significa que trabaja mucho más despacio»
Ahora los científicos creen que los ordenadores neuromórficos podrían ser muy adecuados para los llamados métodos de Monte Carlo, en los que los problemas se tratan esencialmente como juegos y las soluciones se obtienen mediante numerosas simulaciones aleatorias o «paseos» por esos juegos.
«Llegamos a los paseos aleatorios al estudiar problemas que no escalan bien en hardware convencional. Normalmente, las soluciones por Monte Carlo requieren un gran número de paseos aleatorios para obtener una buena solución, y aunque, por separado, lo que hace cada caminante a lo largo del tiempo es fácil de calcular, en la práctica la necesidad de realizar muchos de estos recorridos se vuelve desmesuradamente alta»
En cambio, en lugar de simular en paralelo un grupo de objetos que caminan aleatoriamente, cada uno realizando sus propios cálculos, los científicos pueden programar una única red neuromórfica de circuitos para representar todos los cálculos que puede realizar un paseo aleatorio y, luego, considerando cada paseo aleatorio como un pico que se mueve por la red, resolver todo el problema de una sola vez.
En concreto, del mismo modo que estudios previos mostraron que la computación cuántica puede exhibir una «ventaja cuántica» sobre la computación clásica en un amplio conjunto de tareas, los investigadores descubrieron que podría existir una «ventaja neuromórfica» cuando se trata de paseos aleatorios a través de cadenas de Markov de tiempo discreto.
«Si imaginas el problema como un juego de mesa, aquí la «cadena» significa avanzar por una secuencia de estados o casillas. Las cadenas de Markov significan que la siguiente casilla a la que puedes moverte depende solo de tu posición actual, y no de tu historial previo, como ocurre en juegos de mesa como «Monopoly» o «Candy Land». «Tiempo discreto» simplemente significa que entre cambios de casilla transcurre un intervalo fijo de tiempo: un turno»
En experimentos con los chips neuromórficos TrueNorth de IBM y Loihi de Intel, con un procesador Intel Xeon E5-2662 de clase servidor y una GPU Nvidia Titan Xp, los científicos descubrieron que, cuando se trata de resolver esta clase de problemas a gran escala, los chips neuromórficos resultaron más eficientes que los semiconductores convencionales en cuanto a consumo energético y competitivos, si no mejores, en cuanto a tiempo.
«Creo firmemente que la computación neuromórfica para la IA es muy interesante y que el hardware basado en el cerebro conducirá a una IA más inteligente y potente. Pero, al mismo tiempo, al demostrar que la computación neuromórfica puede ser eficaz en aplicaciones informáticas convencionales, la tecnología podría tener un impacto mucho más amplio en la sociedad»
Una de las formas de lograr la ventaja de los chips neuromórficos en rendimiento y eficiencia energética ha sido el alto grado de paralelismo. A ello contribuía la capacidad de representar cada paseo aleatorio como un único pulso de actividad, en lugar de un conjunto de acciones más complejo.
«La gran limitación de estos métodos de Monte Carlo es que necesitamos simular muchos caminantes. Como los pulsos son una forma tan sencilla de representar un paseo aleatorio, añadir un caminante aleatorio más consiste simplemente en añadir al sistema un pulso adicional que funcionará en paralelo con todos los demás. Por tanto, el coste temporal de un caminante adicional es muy bajo»
La capacidad de resolver de forma eficiente este tipo de problemas tiene un amplio abanico de aplicaciones potenciales, como la simulación de acciones y opciones en los mercados financieros, una mejor comprensión de cómo los rayos X interactúan con los huesos y los tejidos blandos, el seguimiento de cómo se difunde la información en las redes sociales y la modelización de cómo se propagan las enfermedades entre las poblaciones. Aimone considera que «las aplicaciones de este enfoque están por todas partes».
Pero el hecho de que pueda existir una ventaja neuromórfica para algunas tareas «no significa que las computadoras inspiradas en el cerebro puedan hacerlo todo mejor que las computadoras convencionales», advierte Aimone. Según él, el futuro de la computación probablemente consistirá en combinar distintas tecnologías. Los científicos no pretenden decir que la neuromórfica vaya a reemplazarlo todo.
Actualmente, los científicos estudian formas de gestionar la interacción entre varios «caminantes» o participantes de estos escenarios, lo que permitirá usar aplicaciones como la simulación de dinámica molecular. También desarrollan herramientas de software para ayudar a otros desarrolladores a trabajar en esta investigación.
