El constante incremento de tráfico de datos (un 22% más el pasado año en relación con 2022, según DE-CIX) y las nuevas exigencias computacionales de la inteligencia artificial llevan a los sistemas convencionales al límite. Se necesitan nuevas fórmulas y la computación cuántica aún no es alternativa. La compañía electrónica Intel es una de las más avanzadas en el desarrollo de sistemas neuromórficos, una conjunción de biología y tecnología que busca imitar la forma en que los seres humanos procesan la información. Junto a ella, en esta carrera por un procesamiento más eficaz y eficiente, corren IBM, Qualcomm y centros de investigación como el Instituto de Tecnología de California (Caltech), donde nació este concepto de la mano de Carver Mead, el MIT (Instituto de Tecnología de Massachusetts), el Instituto Max Planck de Neurobiología en Alemania y la Universidad de Stanford.
Intel ha anunciado este mes el mayor sistema neuromórfico del mundo: Hala Point, con 1.150 millones de neuronas tecnológicas y 1.152 procesadores (chips) Loihi 2 que consumen un máximo de 2.600 vatios y con una capacidad de procesamiento equivalente a la del cerebro de un búho. Un estudio publicado en IEEE Xplore le atribuye mayor eficiencia y rendimiento que los sistemas basados en unidades de procesamiento centrales (CPU) y gráficos (GPU), los motores informáticos convencionales.
Mike Davis, nacido en Dallas y que en julio cumple 48 años, es director de computación neuromófica en Intel Labs y máximo responsable de los últimos avances sobre los que descansa el futuro inmediato de la computación.
Pregunta. ¿Qué es un sistema neuromórfico?
Respuesta. Es un diseño de computación que se inspira en la comprensión moderna de cómo funcionan los cerebros y que significa superar las siete u ocho décadas de arquitectura convencional. Desde una perspectiva básica, estamos tratando de comprender los principios de la neurociencia moderna para aplicarlo a los chips y sistemas con el fin de crear algo que opera y procesa información de forma más parecida a como funciona un cerebro.
P. ¿Cómo funciona?
R. Si abres el sistema, los chips, ves diferencias muy llamativas en el sentido de que no hay memoria; todos los elementos de computación, de procesamiento y memoria están integrados entre sí. Nuestro sistema Hala Point, por ejemplo, es una red tridimensional de chips similar a un cerebro y todo se comunica con todo, como una neurona se comunica a través del cerebro con otro conjunto de neuronas conectadas. En un sistema tradicional, tienes memoria al lado de un procesador y el este lee continuamente fuera de la memoria.
Hala Point es una red tridimensional de chips similar a un cerebro y todo se comunica con todo, como una neurona se comunica a través del cerebro con otro conjunto de neuronas conectadas
P. ¿Es necesario este modelo porque estamos llegando al límite de computación convencional?
R. Se está progresando mucho en inteligencia artificial y en aprendizaje profundo. Es muy emocionante, pero es difícil ver cómo continuarán estas tendencias de investigación cuando el incremento en los requisitos de computación para estos modelos de IA crece a tasas exponenciales, es decir, mucho más rápido que los avances de fabricación. Se está llegando al límite de lo que esta arquitectura informática básica puede proporcionar. Además, si nos fijamos solo en la eficiencia energética de estos chips y sistemas de IA tradicionales en comparación con el cerebro, hay muchos órdenes de magnitud de diferencia. No es tanto que las arquitecturas informáticas tradicionales no sean capaces de proporcionar grandes ganancias en computación e inteligencia artificial, sino que estamos buscando una mayor funcionalidad, al disponer de computadoras que operan como el cerebro, y hacerlo de una manera muy eficiente.
P. ¿Es la eficiencia energética la principal ventaja?
R. Es una de las principales. Hay una gran diferencia en la eficiencia del cerebro y la de la computación tradicional. Pero las arquitecturas neuromórficas inspiradas en el cerebro pueden proporcionar también ventajas de rendimiento. Pensamos en las GPU como dispositivos de rendimiento increíblemente alto, pero, de hecho, solo si tienes un tamaño muy grande y gran cantidad de datos para procesar disponibles en el disco o justo al lado del procesador para que se puedan leer. Pero si los datos llegan de los sensores, de las cámaras o de los videos en tiempo real, entonces, la eficiencia y el poder de las arquitecturas tradicionales es mucho menor. Ahí es donde las arquitecturas neuromórficas realmente pueden proporcionar un gran aumento en la velocidad, así como de eficiencia.
P. ¿La inteligencia artificial necesita un sistema neuromórfico para crecer?
R. Creemos que sí. Pero estamos en un nivel de investigación. No está claro hoy cómo implementar esto comercialmente. Hay muchos problemas aún por resolver en cuanto al software [programación], los algoritmos. Muchos enfoques convencionales no se ejecutan de forma nativa en hardware [equipos] neuromórfico porque es un enfoque de programación diferente. Creemos que este es el camino correcto para lograr las ganancias que necesitamos en eficiencia energética y en rendimiento para este tipo de cargas de trabajo, pero sigue siendo una pregunta abierta.
P. ¿Veremos un chip neuromórfico en un ordenador o un teléfono móvil?
R. Creo que sí, es cuestión de tiempo. No será el próximo año, pero la tecnología madurará y se implementará en edge computing [procesamiento de datos cerca de su origen para ganar velocidad y eficiencia], móviles, vehículos autónomos, drones o en el ordenador portátil. Nuestro Hala Point, diseñado para un centro de datos, es una caja del tamaño de un microondas grande. Pero, si miramos a la naturaleza, vemos que hay cerebros de todos los tamaños. Los de insectos son muy impresionantes, incluso a pequeña escala. Y luego está, por supuesto, el cerebro humano. Estamos siguiendo ambas direcciones en la investigación. Creemos que la comercialización comenzará en el edge computing, pero hay una necesidad de seguir empujando y haciendo investigación a gran escala.
En los centros de datos podríamos ver estos sistemas en cinco años
P. ¿Cuándo estarán?
R. Es difícil de predecir porque todavía hay preguntas abiertas en la investigación. En los centros de datos podríamos ver estos sistemas en cinco años. También vemos futuro en todo lo que necesita funcionar con batería, ya que el ahorro de energía que puede ofrecer un sistema neuromórfico es extremadamente importante. También hay aplicaciones algo menos obvias, como las estaciones base inalámbricas para la infraestructura de telefonía. Estamos trabajando con Ericsson para optimizar los canales de comunicación.
P. ¿Es la computación con sistemas neuromórficos complementaria a la cuántica?
R. Creo que son complementarios en algunos aspectos, aunque son muy diferentes. La computación cuántica está buscando la innovación en la fabricación de dispositivos físicos y tratando de escalar. Lo que ofrece es muy novedoso e impresionante, pero no está claro cuál será el modelo de programación de la cuántica una vez que se pueda escalar y qué tipo de cargas soportará. La computación neuromórfica disponible hoy es muy buena para el tipo de cargas de trabajo de IA. Pero hay una intersección en el espacio de aplicación de la cuántica y la neuromórfica y ahí es donde es interesante pensar en resolver problemas de optimización difíciles y permitir que las personas experimenten, creen prototipos y aprendan a programar este tipo de sistemas.
Implantar chips neuromórficos en el cerebro es una aplicación muy natural de estos sistemas porque, al ser una arquitectura que se comporta como las neuronas, hablaría naturalmente el lenguaje de nuestro cerebro
P. ¿Podríamos ver sistemas neuromórficos instalados en nuestro cerebro?
R. Hay algunos investigadores interesados en la neuroprótesis, en la aplicación de la computación neuromórfica, lo que significaría tratar de reparar problemas o patologías en el cerebro donde ha habido alguna pérdida de función y devolver el control sobre tu cuerpo. La investigación está en una etapa temprana, pero creo que, a largo plazo, es una aplicación muy natural de la computación neuromórfica porque, al ser una arquitectura que se comporta como las neuronas, hablaría naturalmente el lenguaje de nuestro cerebro.
P. Los sistemas disponibles, ¿al cerebro de qué edad equivalen?
R. En términos de la cantidad de neuronas, es similar al cerebro de búho. Pero si nos fijamos en la zona del cerebro donde ocurre gran parte de la inteligencia de orden superior, equivaldría a un mono capuchino. Muchos de nosotros, en este campo de investigación, tenemos el cerebro humano en mente como una especie de visión para la escala de sistema que nos gustaría construir. Pero no tratamos de llegar demasiado rápido. Tenemos que construirlo bien y necesitamos saber cómo hacerlo útil. Por eso este sistema sigue siendo una herramienta para la investigación, para que podamos seguir experimentando
P. ¿En qué casos concretos son más eficaces estos sistemas?
R. Encontrar el mejor camino en un mapa vemos aceleraciones de hasta 50 veces en comparación con los mejores solucionadores convencionales. En términos de energía se están alcanzando niveles 1.000 veces más eficientes.
P. ¿Podría aprovechar Europa esta nueva línea para recuperar posiciones en la carrera por los chips, de la que es dependiente de otros continentes?
R. Si miramos hacia el futuro, hay mucha innovación que necesitaremos a largo plazo para lograr el tamaño y la eficiencia de la naturaleza, que sigue siendo increíblemente impresionante. Todavía hay un largo camino por recorrer y para llegar allí necesitamos innovación en la fabricación. Es necesario que haya nuevos dispositivos y nueva tecnología de memoria para asimilarlos al cerebro. Ahora no hay una región geográfica con ventaja en este dominio, por lo que es una oportunidad. La alta tecnología siempre implica innovación y nada permanece estático. Hay una necesidad de nuevos avances y es impredecible de dónde pueden venir.
Puedes seguir a EL PAÍS Tecnología en Facebook y X o apuntarte aquí para recibir nuestra newsletter semanal.
Suscríbete para seguir leyendo
Lee sin límites
_