1 2 3

Introducción

l verdadero cerebro es una materia blanda. Sus neuronas, vasos sanguíneos y ventrículos llenos de líquido están compuestos de lípidos, proteínas y una gran parte de agua. Podéis hundir parte del cerebro con un dedo, cortarlo con un micrótomo, insertar electrodos en las neuronas y ver como la sangre circula a través de él.

El estudio del cerebro está totalmente ligado a la biología y la medicina. Sin embargo, hay otra manera de pensar sobre él y que ha atraído la atención de matemáticos, físicos, ingenieros e informáticos. Piensan en el cerebro escribiendo ecuaciones, creando modelos informáticos e incluso dispositivos de hardware que imitan a las verdaderas neuronas dentro de él.

Los cerebros reales son altamente adaptativos. Son capaces de hacer cosas tales como leer una escritura que nunca han visto y comprender el habla de personas que desconocen. Y pueden tolerar cosas que no funcionan o van mal. Funcionan bastante bien a lo largo de la vida, aunque sus células mueran y envejezcan, todavía son capaces de aprender cosas nuevas. Los robots actuales son bastante buenos haciendo determinadas tareas para las que han sido diseñados, como construir una parte de un coche, pero no funcionan cuando algo va mal.

Todos los cerebros reales están compuestos de redes neuronales altamente interconectadas. Sus neuronas necesitan energía y las redes necesitan espacio. Nuestro cerebro contiene aproximadamente 100 billones de células nerviosas, 3,2 millones de kilómetros de fibras “cables”, un millón de billones de conexiones y todo ello agrupado en un volumen de 1,5 litros, sólo pesa 1,5 Kg. y consume simplemente 10 Vatios. Si intentamos construir un cerebro similar con chips de silicio, consumiría aproximadamente 10 megavatios, suficiente energía apara abastecer a una ciudad. Parece empeorar las cosas, el calor que produciría un cerebro de silicio de tales características le haría fundirse. El reto está en descubrir como el cerebro es capaz de funcionar tan eficientemente y de una forma tan económica e intentar usar principios parecidos para construir máquinas similares al cerebro.

Construyendo circuitos cerebrales de silicio

El coste energético de, transmitir señales, comunicarse (de una neurona a otra) ha sido probablemente el factor más importante en la evolución del cerebro. Aproximadamente, el 50-80% del consumo total de energía por parte del cerebro es debido a la conducción de los potenciales de acción a través de las fibras y a la transmisión sináptica. El resto es utilizado para la producción y mantenimiento. Esto es igualmente cierto tanto para el cerebro de una abeja como para el nuestro. Sin embargo, cuando comparamos la velocidad de los ordenadores actuales, con la velocidad en la transmisión de impulsos nerviosos es muy lento, sólo unos cuantos metros por segundo. Esto en el procesador de un ordenador haría la vida imposible. Los cerebros biológicos, sin embargo, están construidos como redes altamente paralelas.

La mayoría de las neuronas se encuentran conectadas directamente con muchos miles de otras. Para ello, el cerebro explota su volumen tridimensional en el que puede almacenar todo, doblando las capas de células en pliegues y situando las conexiones de manera conjunta en paquetes. Por el contrario, el establecer conexiones incluso entre un número reducido de neuronas de silicio está limitado por la naturaleza bidimensional de los chips y circuitos. Por lo que a diferencia del cerebro, la comunicación directa entre las neuronas de silicio está muy restringida. Sin embargo, gracias a la posibilidad de explotar la alta velocidad de la electrónica convencional, los impulsos de muchas neuronas de silicio se pueden multiplicar, un proceso que llevaría múltiples mensajes a través del mismo cable. De esta forma, los ingenieros informáticos pueden empezar a emular las conexiones de las redes biológicas.

Para reducir energía pero aumentar la velocidad, los ingenieros inspirados por las neuronas han adoptado la estrategia de utilizar una codificación análoga en vez de digital. Carver Mead, uno de los gurús de Silicon Valley en California, acunó la expresión de “Ingeniería Neuromórfica” para describir la traducción de neurobiología en tecnología. En vez de codificar digitalmente en 0s y 1s, los circuitos análogos codifican en continuos cambios de voltaje, como hacen las neuronas durante su estado de sub-umbral.

Los cálculos pueden, por tanto, realizarse en menos pasos ya que se puede explotar mejor la física básica de los dispositivos de silicio. La computación análoga a las bases del cálculo: suma, substracción, exponenciales e integración, todo ello complicados procesos en máquinas digitales.

Cuando las neuronas, ya sean biológicas o de silicio, computan y toman decisiones que transmiten impulsos por los axones para comunicar la respuesta a las neuronas diana. Como la codificación por picos tiene un gran coste energético, la codificación eficaz maximiza la información representada en un patrón de picos mediante la reducción y es lo que se llama redundancia. La eficiencia energética también se aumenta ya que se utiliza el menor número posible de neuronas activas. Esto es lo que se llama codificación dispersa y proporciona otro importante principio de diseño para los ingenieros que construyen redes neuronales artificiales.

1 2 3