Chip que simula al cerebro
En el año 2012, IBM anunció que utilizó el supercomputador Blue Gene/Q Sequoia, para lograr una simulación sin precedentes, de más de 530 mil millones de neuronas.
El Blue Gene/Q Sequoia logró esta hazaña gracias a su fantástica velocidad: 16 mil millones de cálculos por segundo. De hecho, en la actualidad se ubica como el segundo superordenador más rápido del mundo, después del superordenador Titan, del Laboratorio Nacional de Oak Ridge.
Pero, de acuerdo con Kwabena Boahen, Ph.D., el Blue Gene aún no se compara con la potencia de cálculo del propio cerebro.
“El cerebro es realmente capaz de hacer más cálculos por segundo que la supercomputadora más rápida”, dice Boahen, profesor de la Universidad de Stanford, director de Brains in Silicon Research Laboratory.
Eso no quiere decir que el cerebro es más rápido que una supercomputadora. De hecho, en realidad es mucho más lento. El cerebro puede hacer más cálculos por segundo porque es “masivamente paralelo”, es decir que las redes de neuronas trabajan al mismo tiempo para resolver un gran número de problemas a la vez.
En las plataformas de computación tradicionales, no importa cuán éstas rápidas sean, operan de forma secuencial, lo que significa que, cada paso debe ser completado antes de comenzar el siguiente.
Boahen trabaja a la vanguardia de un campo llamado ingeniería neuromórfica, que busca replicar la extraordinaria capacidad computacional del cerebro, utilizando hardware innovador y aplicaciones de software. El logro más reciente de su laboratorio es una nueva plataforma informática denominada Neurogrid, que simula la actividad de 1 millón de neuronas.
Neurogrid no es una supercomputadora. No se le puede utilizar para simular el Big Bang, o anticipar huracanes, o predecir epidemias. Pero lo que puede hacer, lo diferencia de cualquier plataforma computacional en el mundo.
Neurogrid es la primera plataforma de simulación que puede modelar un millón de neuronas en tiempo real. Como tal, representa una herramienta poderosa para la investigación del cerebro humano. Además de proporcionar información sobre el funcionamiento normal del cerebro, tiene el potencial de arrojar luz sobre las enfermedades cerebrales complejas, como el autismo y la esquizofrenia, que han sido hasta ahora muy difíciles de modelar.
Las aplicaciones en el mundo real para ordenadores neuromórficos todavía tardan en realizarse. Parte del problema ha sido que los clásicos ordenadores secuenciales, aún pueden simular redes de neuronas con mucho menos esfuerzo requerido.
Un cierto grado de paralelismo en estos diseños se ha conseguido en los GPUs, pero aun así, usan los transistores fundamentalmente, de la misma manera: de forma digital. Simular digitalmente los canales iónicos en neuronas generadas por software es la principal fuente de sobrecarga computacional.
Mientras que la simulación se refiere a la captura de las propiedades esenciales con el software, la emulación se refiere al hardware. Con el enfoque neuromórfico, el flujo de iones a través de los canales, se emula directamente con el flujo de electrones a través de los transistores. En lugar de usar el típico funcionamiento de encendido y apagado, toda la dinámica de los transistores, agrupados en grupos de 6 u 8, se utilizan para emular el compartimento de las neuronas. Se le da cada neurona una dirección que apunta a una ubicación de memoria de almacenamiento local en la RAM. La RAM, a continuación, retiene la dirección del objetivo sináptico.
Cuando la dirección de destino se retroalimenta al chip, una mini tensión, un potencial sináptico, es enviado al objetivo. Las sinapsis virtuales “cableadas” por software, se pueden codificar, traducir y decodificar lo suficientemente rápido como para dirigir millones de datos por segundo. Lo que es más interesante y relevante para los cerebros de hardware, que tienen memoria y pueden aprender, es que estos “cableados” de software, pueden ser desviados, sobrescribiendo la lookup table de la RAM.
Boahen y otros esperan ahora, que todo este conocimiento, pueda sacar la computación neuromórfica fuera del laboratorio para llevarla a darle aplicaciones en el mundo real.
El Blue Gene/Q Sequoia logró esta hazaña gracias a su fantástica velocidad: 16 mil millones de cálculos por segundo. De hecho, en la actualidad se ubica como el segundo superordenador más rápido del mundo, después del superordenador Titan, del Laboratorio Nacional de Oak Ridge.
Pero, de acuerdo con Kwabena Boahen, Ph.D., el Blue Gene aún no se compara con la potencia de cálculo del propio cerebro.
“El cerebro es realmente capaz de hacer más cálculos por segundo que la supercomputadora más rápida”, dice Boahen, profesor de la Universidad de Stanford, director de Brains in Silicon Research Laboratory.
Eso no quiere decir que el cerebro es más rápido que una supercomputadora. De hecho, en realidad es mucho más lento. El cerebro puede hacer más cálculos por segundo porque es “masivamente paralelo”, es decir que las redes de neuronas trabajan al mismo tiempo para resolver un gran número de problemas a la vez.
En las plataformas de computación tradicionales, no importa cuán éstas rápidas sean, operan de forma secuencial, lo que significa que, cada paso debe ser completado antes de comenzar el siguiente.
Boahen trabaja a la vanguardia de un campo llamado ingeniería neuromórfica, que busca replicar la extraordinaria capacidad computacional del cerebro, utilizando hardware innovador y aplicaciones de software. El logro más reciente de su laboratorio es una nueva plataforma informática denominada Neurogrid, que simula la actividad de 1 millón de neuronas.
Neurogrid no es una supercomputadora. No se le puede utilizar para simular el Big Bang, o anticipar huracanes, o predecir epidemias. Pero lo que puede hacer, lo diferencia de cualquier plataforma computacional en el mundo.
Neurogrid es la primera plataforma de simulación que puede modelar un millón de neuronas en tiempo real. Como tal, representa una herramienta poderosa para la investigación del cerebro humano. Además de proporcionar información sobre el funcionamiento normal del cerebro, tiene el potencial de arrojar luz sobre las enfermedades cerebrales complejas, como el autismo y la esquizofrenia, que han sido hasta ahora muy difíciles de modelar.
Las aplicaciones en el mundo real para ordenadores neuromórficos todavía tardan en realizarse. Parte del problema ha sido que los clásicos ordenadores secuenciales, aún pueden simular redes de neuronas con mucho menos esfuerzo requerido.
Un cierto grado de paralelismo en estos diseños se ha conseguido en los GPUs, pero aun así, usan los transistores fundamentalmente, de la misma manera: de forma digital. Simular digitalmente los canales iónicos en neuronas generadas por software es la principal fuente de sobrecarga computacional.
Mientras que la simulación se refiere a la captura de las propiedades esenciales con el software, la emulación se refiere al hardware. Con el enfoque neuromórfico, el flujo de iones a través de los canales, se emula directamente con el flujo de electrones a través de los transistores. En lugar de usar el típico funcionamiento de encendido y apagado, toda la dinámica de los transistores, agrupados en grupos de 6 u 8, se utilizan para emular el compartimento de las neuronas. Se le da cada neurona una dirección que apunta a una ubicación de memoria de almacenamiento local en la RAM. La RAM, a continuación, retiene la dirección del objetivo sináptico.
Cuando la dirección de destino se retroalimenta al chip, una mini tensión, un potencial sináptico, es enviado al objetivo. Las sinapsis virtuales “cableadas” por software, se pueden codificar, traducir y decodificar lo suficientemente rápido como para dirigir millones de datos por segundo. Lo que es más interesante y relevante para los cerebros de hardware, que tienen memoria y pueden aprender, es que estos “cableados” de software, pueden ser desviados, sobrescribiendo la lookup table de la RAM.
Boahen y otros esperan ahora, que todo este conocimiento, pueda sacar la computación neuromórfica fuera del laboratorio para llevarla a darle aplicaciones en el mundo real.
Video
No hay galería de fotos
