Hay varios equipos de científicos e investigadores en computación que están tratando de hacer que las computadoras sean cada vez más complejas imitando la estructura del cerebro humano tanto como sea posible. Aún estamos muy lejos del desarrollo de un sistema informático que realmente imite al cerebro humano pero son muchas las investigaciones, y diferentes resultados obtenidos en este sentido, en cuanto al desarrollo de algoritmos que imitan el «cálculo» que realiza el cerebro humano.
Redes neuronales convolucionales
En este sentido, las redes neuronales convolucionales representan un paso importante ya que se consideran un enfoque de aprendizaje automático que ya se puede utilizar en este momento y, por lo tanto, ya es bastante práctico.
Cálculo hiperdimensional
Un investigador de la Universidad de Khalifa, Eman Hasan, está probando otro enfoque relacionado con el cálculo de la inteligencia artificial que se puede utilizar en este tipo de redes algorítmicas. El investigador está desarrollando «computación hiperdimensional», un tipo de computación que podría llevar sus sistemas de inteligencia artificial actuales un paso más hacia ese codiciado objetivo relacionado con la verdadera imitación del cerebro humano.
Cálculo inspirado en la actividad neuronal del cerebro.
Hasan, quien es estudiante de doctorado y a quien siguen dos científicos Baker Mohammad, profesor asociado y director del System on Chip Center (SOCC), y Yasmin Halawani, ya ha publicado un estudio que apareció en Acceso IEEE.[2]
En su investigación, Hasan analiza varios modelos computacionales hiperdimensionales destacando sus ventajas. Este tipo de cálculo (computación hiperdimensional o HDC) utiliza vectores grandes, por ejemplo de 10,000 bits cada uno, y está fuertemente inspirado en los patrones de actividad neuronal de nuestro cerebro.
Podría reducir las demandas de energía y computación
Se trata de un modelo computacional que, según el investigador que lo está desarrollando, podría reducir significativamente los requisitos informáticos y de potencia de los algoritmos actuales de inteligencia artificial, principalmente los de Machine Learning. Otra ventaja de este sistema informático es que es extremadamente resistente al «ruido de fondo», al igual que el sistema nervioso central de los humanos.
En general, el sistema de computación tiende a imitar aquellas propiedades del cerebro humano que son muy útiles en cuanto al reconocimiento de patrones y su uso para deducir información sobre otras cosas.
Reconocer objetos como lo hace el cerebro.
Por ejemplo, un cerebro humano puede descubrir en una fracción de segundo cuál es el problema de una silla a la que le falta una pierna y aún reconoce el objeto como una silla. Actualmente este tipo de reconocimiento por inteligencia artificial es muy difícil. La mayoría de los algoritmos actuales no reconocerían el objeto como una silla sino como un objeto nuevo, tal vez similar a una silla pero con tres patas.
El cálculo de HDC, por otro lado, al menos potencialmente, ofrece un cierto margen de error. Con el HDC y mediante el reconocimiento de algunas características básicas el algoritmo podrá generar un vector bastante parecido a una silla a través del cual podrá reconocer su naturaleza. Por lo tanto, en el cálculo hiperdimensional, una silla de tres patas seguirá siendo una silla, mientras que en los otros tipos de cálculo, el reconocimiento por los algoritmos tendrá distintas dificultades.
Principalmente enfocado en la memoria
“En un vector HD, podemos representar datos de manera integral, lo que significa que el valor de un objeto se distribuye en muchos puntos de datos”, explica Hasan. «Por lo tanto, podemos reconstruir el significado del vector siempre que tengamos el 60% de su contenido».
La computación HDC también requiere menos potencia computacional ya que se enfoca más en la memoria. Esta es una característica útil en todos aquellos casos en los que los cálculos deben realizarse de forma inmediata y por tanto, posiblemente, cerca de la fuente de datos, algo que sería de gran utilidad, por ejemplo, para vehículos autónomos. Este último debería poder realizar los cálculos, de hecho, de forma inmediata y en el momento de la recopilación de datos en lugar de depender del procesamiento de un servidor en la nube.
Notas e ideas
- Un paso más cerca del cerebro como IA con computación hiperdimensional – Universidad de Khalifa (I A)
- Desafíos y oportunidades de la computación hiperdimensional para las aplicaciones de IA | Revistas y revistas del IEEE | IEEE Xplore (I A) (DOI: 10.1109 / ACCESS.2021.3059762)
Artículos relacionados
