Aunque no está atrayendo tanta atención como la computación cuántica, la computación neuromórfica también es una disciplina con un potencial enorme como complemento de la computación clásica con la que todos estamos familiarizados. De hecho, no solo están contribuyendo a su desarrollo algunos de los centros de investigación más reputados del mundo, como el MIT; Intel, IBM y HP son tres de las empresas que están pujando con más fuerza por ella.

Lo que propone la computación neuromórfica es imitar 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, que fue el ingeniero eléctrico estadounidense que propuso en los años 60 esta idea, 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 ellas mediante impulsos eléctricos (este mecanismo se conoce como sinapsis 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.

En cualquier caso, el propósito último de esta disciplina, que ha experimentado un desarrollo notable durante la última década y media, es desarrollar sistemas electrónicos que sean capaces de procesar la información de 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.

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 e invirtiendo menos energía que un ordenador clásico, pero en otros puede ser mucho más ineficiente que este último.

Un sistema neuromórfico puede ser hasta dieciséis veces más eficiente

Del chip neuromórfico Loihi de Intel os hemos hablado varias veces en Xataka. Está fabricado con fotolitografía de 14 nm e incorpora 128 núcleos y algo más de 130 000 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 con 262 000 neuronas que le permiten, según Intel, identificar gestos en tiempo real y leer braille, entre otros procesos.

Algunos de los problemas que se les dan bien a los sistemas neuromórficos son la identificación de patrones, el aprendizaje automático, la selección de la solución óptima entre un abanico amplio de opciones y los algoritmos de satisfacción de requisitos. Hasta ahora los investigadores habían comprobado la eficacia con la que los chips y los algoritmos neuromórficos se enfrentan a estos problemas, pero no estaba claro que fuesen perceptiblemente más eficientes desde un punto de vista estrictamente energético.

Esto ha cambiado. Hace solo unos días varios investigadores de Intel y del Instituto de Informática Teórica de la Universidad Tecnológica de Graz, en Austria, han publicado un artículo en la revista Nature Machine Intelligence en el que aseguran haber comprobado experimentalmente que una placa Nahuku constituida por 32 chips Loihi es hasta dieciséis veces más eficiente que una infraestructura de hardware con una potencia equiparable, pero integrada por procesadores gráficos similares a los que podemos encontrar en el interior de nuestros ordenadores.

Las GPU nos entregan un rendimiento más alto que los procesadores de propósito general cuando ambos se enfrentan a la ejecución de un algoritmo de inteligencia artificial porque su arquitectura prioriza el paralelismo. El problema es que el consumo energético de una granja de procesadores gráficos puede ser muy alto, y en esta coyuntura la posibilidad de enfrentarnos a este desafío consumiendo hasta dieciséis veces menos energía es muy atractiva. Esto es lo que, según Intel, ya nos ofrecen los sistemas neuromórficos en los que está trabajando, y a nosotros nos parece un motivo de peso para seguirles la pista muy de cerca.

Más información: Nature Machine Intelligence