Resumen:
Recientemente se han logrado importantes avances en la investigación en la intersección de la neurociencia y la tecnología informática. El último descubrimiento de un equipo conjunto internacional de investigación científica ha revelado con éxito el eficaz mecanismo de colaboración de las redes neuronales del cerebro humano en el procesamiento de información compleja y la recuperación de la memoria. Este logro proporciona nuevo soporte teórico y rutas técnicas para superar el cuello de botella de eficiencia energética de la arquitectura informática tradicional y crear una "computadora similar a un cerebro" (Computación neuromórfica) de próxima generación que se acerque más a la forma en que funciona el cerebro humano.
En la arquitectura informática tradicional de von Neumann, la unidad informática y la unidad de almacenamiento están separadas. La transmisión frecuente de datos entre ambos no sólo constituye el llamado "muro de rendimiento", sino que también consume enormes cantidades de energía. Por el contrario, el cerebro humano puede completar fácilmente el reconocimiento de patrones de alta intensidad, el razonamiento lógico y el aprendizaje autónomo con un consumo de energía extremadamente bajo. La comunidad científica siempre ha considerado que comprender y replicar la transmisión dinámica de señales extremadamente eficiente y los mecanismos de procesamiento paralelo entre sinapsis y neuronas en las redes neuronales del cerebro humano es la clave para superar el límite superior actual de la potencia informática de la inteligencia artificial y la crisis de consumo de energía.
Al combinar la tecnología de neuroimagen de alta resolución con modelos dinámicos no lineales, el equipo de investigación llevó a cabo un análisis en profundidad de la respuesta no lineal y los cambios de plasticidad sináptica de las neuronas biológicas cuando se enfrentan a una entrada de información dinámica. La investigación ha descubierto que el cerebro humano no depende de un único cálculo centralizado enorme, sino que completa la compresión de información de alta densidad y la recuperación rápida mediante "sincronización de tiempo" y "codificación dispersa" entre grupos de neuronas específicos. Este mecanismo permite al cerebro biológico completar con precisión tareas cognitivas complejas activando sólo una proporción muy pequeña de neuronas en un entorno con gran interferencia de ruido.
A partir de estos hallazgos, los investigadores construyeron una nueva arquitectura de algoritmo y un circuito de simulación de hardware inspirados en el cerebro. Los datos experimentales muestran que el modelo informático similar al cerebro, que se basa en la escasa activación y las características de conducción secuencial de las neuronas biológicas, puede mejorar su eficiencia energética en varios órdenes de magnitud en comparación con las redes neuronales artificiales tradicionales al procesar el reconocimiento de imágenes, el análisis del flujo de voz y tareas complejas de predicción. Al mismo tiempo, ha demostrado una gran solidez frente a interferencias de datos desconocidas.
Los expertos de la industria comentaron que esta investigación cierra la brecha entre la neurociencia básica y la práctica de la ingeniería de hardware. A medida que la demanda de potencia informática y energía procedente de la inteligencia artificial aumenta exponencialmente, convertir los últimos descubrimientos en el campo de la biología en un diseño de arquitectura de chip físico remodelará por completo el panorama industrial de la informática de punta de próxima generación, los robots autónomos y el hardware de inteligencia artificial de bajo consumo, y promoverá el salto de la tecnología informática hacia una inteligencia que verdaderamente posea características cognitivas humanas.
Comentarios