El cerebro artificial de selenio y plata que aprende y recuerda como un humano

Expertos en nanotecnología, computación y neurología han logrado crear un sistema que funciona de forma increíblemente similar al de los cerebros biológicos, reemplazando su habitual red de neuronas orgánicas por una red de nanocables neuromórficos que se alinean autónomamente para aprender y procesar información de manera similar a cómo lo hace el cerebro humano. Y todavía no pueden explicar por qué funciona así.

El estudio, titulado "Online dynamical learning and sequence memory with neuromorphic nanowire networks", fue publicado ayer en la revista Nature y, según el autor principal del estudio Ruomin Zhu —un estudiante de doctorado del Instituto de Nanotecnología y la Escuela de Física de la Universidad de Sydney— “los hallazgos demuestran cómo el aprendizaje inspirado en el cerebro y las funciones de memoria que utilizan redes de nanocables se pueden aprovechar para procesar datos dinámicos y en streaming".

Los investigadores de la Universidad de Sydney y la Universidad de California afirman que "este estudio es el primero en realizar la tarea de clasificación de dígitos escritos a mano del conjunto de datos MNIST utilizando un dispositivo NWN".

La relevancia de este hallazgo no solo radica en la capacidad del sistema para aprender y recordar secuencias de patrones, sino también en su increíble potencial para revolucionar el campo de la computación y la inteligencia artificial en general.

A diferencia de los sistemas tradicionales que dependen de circuitos electrónicos y software, este dispositivo utiliza nanocables que se autoensamblan para procesar y almacenar información, ofreciendo una analogía casi directa a los estándares biológicos de computación que todavía apenas alcanzamos a comprender.

TE PUEDE INTERESAR

Los nuevos molinos compactos que abaratan radicalmente el precio de la energía eólica

Omar Kardoudi

El misterio de su juego de imitación

El núcleo de este descubrimiento radica en la capacidad de la red de nanocables neuromórficos (NWN) para imitar la función y estructura de las neuronas biológicas. Estos nanocables, a diferencia de las neuronas tradicionales, son estructuras metálicas extremadamente pequeñas que pueden transmitir y procesar información.

El dispositivo NWN se desarrolló utilizando una técnica llamada "reducción hidrotérmica" para formar nanocables de selenio. Estos nanocables luego se dispersaron en una solución de nitrato de plata para formar nanocables de Ag2Se. Estos nanocables se depositaron sobre un dispositivo de matriz de múltiples electrodos (MEA) que tenía 16 electrodos dispuestos en una cuadrícula 4x4.

Esta estructura permitió que los nanocables formasen una red interconectada que imita la forma en que las neuronas están conectadas en el cerebro. En lugar de transmitir señales eléctricas como las neuronas, los nanocables aparentemente modulan su conductividad para procesar y almacenar información.

Reconocimiento de escritura

Para probarlo, pusieron a este cerebro a identificar y clasificar de dígitos escritos a mano de un conjunto de datos. El dispositivo pudo clasificar estos dígitos con una precisión del 93.4%. Pero lo que es aún más intrigante es cómo el dispositivo pudo recordar y reconstruir secuencias de dígitos. Por ejemplo, ciertos dígitos como '1' y '7' se reconstruyeron con mayor precisión debido a sus estructuras más simples. Sin embargo, otros dígitos como '5' y '9' mostraron resultados variados, lo que proporciona una visión de cómo la red de nanocables procesa y recuerda la información.

En el cerebro humano, afirman, los patrones de memoria están vinculados con estados atractores de la red neuronal. Y, de manera similar, en este dispositivo se encontraron cuencas de atracción para los dígitos individuales en la secuencia, lo que permitió reconstruir la imagen del dígito objetivo como una forma de recordar el patrón de memoria asociado.

Memoria integrada como un cerebro

Uno de los hallazgos más significativos del estudio fue la capacidad del dispositivo NWN para aprender y recordar patrones de secuencia. Los investigadores utilizaron un conjunto de datos conocido como MNIST, que contiene imágenes de dígitos escritos a mano, para entrenar el dispositivo.

Al alimentar al dispositivo con estas imágenes, el NWN fue capaz de aprender y recordar los patrones asociados con cada dígito. Esta memoria inherente se forma gracias a las uniones memristivas y la estructura recurrente de la red. Esto significa que, a diferencia de las computadoras tradicionales que requieren memoria externa para almacenar información, el NWN puede retener información dentro de su propia estructura.

Según otro de los autores del estudio —el Dr. Zdenka Kuncic— el trabajo “demuestra cómo los dispositivos de red de nanocables neuromórficos pueden usarse para realizar tareas de manera en línea, aprendiendo de la rica dinámica espaciotemporal generada por la red neural física. Esto es fundamentalmente diferente del aprendizaje automático estadístico basado en datos que utiliza algoritmos de redes neuronales artificiales".

Aplicaciones prácticas potencialmente revolucionarias

La capacidad de este extraño y aparentemente caótico dispositivo de nanocables para aprender y recordar secuencias tiene implicaciones extraordinarias para la computación y la tecnología neuromórfica. Una de las aplicaciones más prometedoras está en el campo del procesamiento de lenguaje natural y el análisis de imágenes. Máquinas como éstas, si somos capaces de hacerlas funcionar de forma coherente el 100% de las veces, podrían ser utilizadas para aprender y memorizar secuencias dinámicas, lo que puede revolucionar cómo las máquinas procesan y comprenden el lenguaje y las imágenes.

Además, al poder aprender en tiempo real y retener información, tienen el potencial de ser más eficientes energéticamente que los sistemas computacionales tradicionales. Esto podría tener un impacto directo en el desarrollo de sistemas de inteligencia artificial y el aprendizaje automático, donde la eficiencia energética es crucial. Ahora mismo, la ‘factura de la luz’ de los sistemas de entrenamiento está teniendo un efecto brutal directo en la economía y el medioambiente.