Dispositivo reconfigurable con IA muestra promesas “similares al cerebro”
La inteligencia artificial nunca podrá reemplazar al cerebro humano. El hecho de que el cerebro humano se adapte cuando aprende algo nuevo es una prueba de ello.
Investigadores de la Universidad de Purdue han desarrollado chips informáticos que pueden reconfigurarse continuamente para recibir nuevos datos, de forma similar a como funciona el cerebro. Esto permite que la IA siga aprendiendo con el paso del tiempo. A diferencia del cerebro, que establece constantemente nuevas conexiones sinápticas para facilitar el aprendizaje, los circuitos del chip informático no cambian.
El circuito que la máquina utilizó durante años es idéntico al diseñado para un motor de fábrica. El objetivo es crear una plataforma en la que las máquinas aprendan a lo largo de toda su vida.
Hay obstáculos para que la IA sea más portátil, por ejemplo, en vehículos autónomos o robots espaciales, que deben tomar decisiones por sí mismos en lugares remotos. Estas máquinas serían más eficientes si la IA pudiera integrarse directamente en el hardware, y no en el software, como ocurre actualmente.
Según un nuevo estudio, el dispositivo adaptable desarrollado puede transformarse en todos los componentes eléctricos clave necesarios para el hardware de inteligencia artificial, con posibles usos en robótica y sistemas autónomos.
El hardware informático inspirado en el cerebro, o “neuromórfico”, busca imitar la excepcional capacidad del cerebro humano para aprender de forma adaptativa a partir de la experiencia y procesar información rápidamente de una manera extremadamente eficiente desde el punto de vista energético.
Estas características del cerebro se deben en gran medida a su naturaleza plástica, es decir, a su capacidad para cambiar su estructura y funciones con el tiempo mediante actividades como la formación de neuronas o “neurogénesis”.
“Supusimos que, si pudiéramos imitar el comportamiento de la neurogénesis en el hardware eléctrico, podríamos crear máquinas que aprendieran a lo largo de toda su vida”, explicó el autor principal del estudio, Shriram Ramanathan, ingeniero eléctrico y científico de materiales de la Universidad de Purdue en West Lafayette (Indiana).
Ramanathan y sus colegas desarrollaron dispositivos neuromórficos altamente adaptables utilizando níquelato de perovskita. Las perovskitas son cristales que han impulsado un progreso notable en el rendimiento de las células solares durante la última década.
Los científicos incorporaron protones al níquelato de perovskita. Los impulsos eléctricos aplicados a este material pueden desplazar los protones dentro de la red del material, cambiando sus propiedades electrónicas. Los investigadores pudieron reconfigurar eléctricamente el dispositivo fabricado con este níquelato de perovskita dopado con protones para que funcionara como una resistencia, un condensador de memoria, una neurona o una sinapsis según se necesitara.
«Podemos usar un solo dispositivo para realizar varias funciones neuromórficas. Además, podemos cambiar entre estas funciones mediante simples impulsos eléctricos en la escala de nanosegundos»
“La versatilidad de este dispositivo puede simplificar el diseño de circuitos de IA para tareas computacionales complejas, evitando la acumulación de distintos bloques funcionales que ocupan mucho espacio y consumen mucha energía”, afirmó el coautor del estudio Michael Tae Joon Park, ingeniero eléctrico y científico de materiales de Purdue. Según él, las posibles áreas de aplicación incluyen la robótica y los sistemas autónomos.
En simulaciones realizadas con el nuevo dispositivo en una red neuronal artificial, que imita la estructura de las neuronas del cerebro biológico, los científicos descubrieron que el carácter reconfigurable del nuevo dispositivo permite a la red neuronal “tomar decisiones de forma más eficaz en comparación con las redes estáticas convencionales en condiciones complejas y en constante cambio”.
El nuevo dispositivo se mostró estable durante 1,6 millones de ciclos de conmutación entre estados. “Además, los iones de hidrógeno permanecen en el dispositivo durante mucho tiempo después de su tratamiento inicial, más de seis meses, lo cual es alentador”, explicó Park.
Los investigadores creen que su dispositivo podría encontrar aplicación en redes de expansión según necesidad, que son redes neuronales capaces de aumentar su potencia de cálculo bajo demanda. De igual manera, estas redes pueden reducir su tamaño si el dispositivo detecta nodos que están inactivos con regularidad, para volverse más eficientes.
Los científicos señalan que fabricaron sus dispositivos utilizando tecnologías compatibles con la fabricación de semiconductores en fundición, lo que sugiere que podrían encontrar aplicación con facilidad en la industria electrónica.
«Sin embargo, nuestra investigación se encuentra en una fase muy incipiente. Se necesita mucho más trabajo para fabricar circuitos de prueba integrados a gran escala con estos dispositivos»
Los científicos explicaron sus conclusiones en detalle en la revista Science: «Utilizando nuestras neuronas y sinapsis artificiales reconfigurables, las redes dinámicas simuladas superaron a las redes estáticas en escenarios de aprendizaje gradual. La capacidad de formar bloques de construcción de computadoras inspiradas en el cerebro bajo demanda abre nuevas direcciones en las redes adaptativas».
