El artículo hace una reflexión acerca de cómo es que la ciencia por años ha intentado imitar el funcionamiento del cerebro humano a pesar de no conocer en su totalidad cómo es que funciona. La reproducción del cerebro humano se ha logrado mediante analogías como lo es la computadora digital. La tendencia y rápido desarrollo de este ramo de la inteligencia artificial conocido como “Deep Learning” (Aprendizaje profundo) se inspira en la forma en que los cerebros biológicos funcionan en conjunto.

La construcción de computadoras a partir de la estructura cerebral es llamada “informática neuromórfica”, término acuñado por Carver Mead, científico pionero de la computación en la década de los años ochenta. Las funciones a replicar son la fortaleza del cerebro, adaptabilidad y simplicidad, clasificación de ruidos y asimilación de datos del mundo real, todo ello mediante computadoras electrónicas convencionales.

El último desarrollo en esta área se dio el 3 de agosto cuando un grupo de investigadores en el laboratorio de investigación de IBM en Zurich anunciaron en un artículo publicado en Nature Nanotechnology que habían construido una versión artificial de una neurona. Si bien no es nueva la creación (el intento) de neuronas artificiales, la producción de una versión similar de la neurona en software sigue siendo inevitablemente poco práctico y muy costoso a nivel computacional y no se remite al simple hecho de ser usado.

Escuchando el sonido, viendo la señal

El funcionamiento de una neurona biológica es el siguiente: una neurona puede conectarse a decenas o cientos de neuronas, mismas que se comunican mediante impulsos eléctricos que avanzan o retroceden, si recibe suficiente número de impulsos de otras neuronas en determinado tiempo, esta brillará y provocará que otras neuronas conectadas a ella hagan lo mismo y viceversa, si no recibe los suficientes impulsos, entonces la neurona permanece en reposo.

El funcionamiento de la neurona artificial es el siguiente: el invento del Dr Eleftheriou (científico de IBM) consiste en una mezcla de Teluro de antimonio y germanio (material de cambio de fase) entre dos electrodos. Esto permite que la estructura física reaccione a la electricidad que pasa a través de ella. La estructura comienza a funcionar como una mezcla desordenada, que carece de una estructura atómica regular y conduce muy poca electricidad, sin embargo, al aplicarse un pequeño voltaje, esta comienza una reacción en la que el material se calienta y se reconstruye como un cristal ordenado con una alta conductividad y que puede pasar corriente y brillar como una neurona normal. Un alto voltaje puede aplicarse para derretir el cristal que se ha formado y así retroceder y restaurar la neurona.

La neurona artificial también replica a la neurona real de otras formas, tales como lo impredecible de estas, es decir, que una corriente dada no siempre producirá el mismo resultado, esta aleatoriedad de las neuronas sería de utilidad cuando las computadoras caen en una trampa matemática llamada “mínimo local”, en donde el algoritmo de las computadoras puede quedarse atascado, puesto que insertar esa aleatoriedad natural a las neuronas artificiales lo evitaría.

Hasta el momento el equipo que desarrolló la neurona mediante corrientes adecuadas fueron capaces, relativamente, de hacer que identificara patrones de ruido y datos sobre pruebas de nerviosismo. El Doctor Tuma confía que con una técnica moderna de fabricación de chips, sus neuronas artificiales podrían reducir su tamaño de forma similar al de un circuito convencional y que de hecho consumiría menos energía.

El siguiente paso para el Dr. Eleftheriou es experimentar con los enlaces de las neuronas conectadas en la red. Pequeñas versiones de esta red podrían ser conectados a sensores y mejorar la detección, por ejemplo, de temperaturas inusuales en una fábrica de máquinas, la ansiedad en un paciente del corazón mediante el ritmo eléctrico, o tipos específicos de comercio en los mercados financieros. Las versiones más grandes podrían ser introducidas en los chips de las computadoras estándar, ofreciendo un rápido y simple diseño de procesador para pruebas de reconocimiento de voz o rostro que por el momento son muy lentas y menos eficientes que el software de los circuitos estándar, con esto la brecha entre las neuronas artificiales y biológicas se reducirá cada vez más.