Algoritmo resuelve tareas de aprendizaje complejas con eficiencia energética extrema

Un equipo de investigación interdisciplinario ha hecho un progreso significativo en el desarrollo de una máquina que puede procesar información con la misma eficiencia que el cerebro humano, lo que ha sido un objetivo largo en el campo de la inteligencia artificial. El equipo de la Universidad de Heidelberg en Alemania y la Universidad de Berna en Suiza estuvo liderado por el Dr. Mihai Petrovici.

Los resultados de la investigación se publicaron en la revista Nature Machine Intelligence.

Redes Neuronales Artificiales Inspiradas en la Biología

El equipo se dirigió hacia las redes neuronales artificiales inspiradas en la biología para abordar este desafío. Las redes neuronales de disparo imitan la estructura y función de un sistema nervioso natural, y se consideran un candidato prometedor debido a sus características que las hacen poderosas, rápidas y eficientes en términos de energía. Uno de los desafíos clave ha sido entrenar a estos sistemas complejos, y el equipo ahora está cerca de lograrlo con el algoritmo recién implementado.

Las neuronas del cerebro transmiten información utilizando pulsos eléctricos cortos, que se denominan picos. Estos se desencadenan cuando se supera un umbral de estímulo determinado. El intercambio de información se ve afectado en gran medida por la frecuencia con la que una neurona individual produce picos y la secuencia temporal de los picos individuales.

Julian Göltz es un candidato a doctorado en el grupo de investigación.

“La principal diferencia entre las redes biológicas de disparo y las redes neuronales artificiales es que, porque utilizan el procesamiento de información basado en picos, pueden resolver tareas complejas como el reconocimiento y la clasificación de imágenes con una eficiencia energética extrema”, afirma Göltz.

Alcanzando su Pleno Potencial

El cerebro humano y las redes neuronales artificiales de disparo requieren que las neuronas individuales estén conectadas correctamente entre sí para alcanzar su pleno potencial. Es por esto que los investigadores necesitaban descubrir cómo los sistemas inspirados en la biología o neuromórficos pueden ajustarse para procesar la entrada de picos correctamente.

Laura Kriener es otra miembro del equipo de investigación.

“Esta pregunta es fundamental para el desarrollo de redes artificiales poderosas basadas en modelos biológicos”, dice Kriener.

Se deben utilizar algoritmos especiales para garantizar que las neuronas en una red neuronal de disparo se activen en el momento adecuado, y estos algoritmos ajustan las conexiones entre las neuronas para que la red pueda realizar las tareas requeridas. Esta tarea puede ser algo como clasificar imágenes con alta precisión.

Este es el tipo de algoritmo que el equipo desarrolló.

“Utilizando este enfoque, podemos entrenar a las redes neuronales de disparo para codificar y transmitir información exclusivamente en picos individuales. Por lo tanto, producen los resultados deseados especialmente rápido y de manera eficiente”, explica Göltz.

Los investigadores también lograron implementar una red neuronal entrenada con este algoritmo en una plataforma física. La plataforma fue la plataforma de hardware neuromórfico BrainScaleS-2 desarrollada en la Universidad de Heidelberg.

Los investigadores afirman que el sistema BrainScaleS procesa información hasta mil veces más rápido que el cerebro humano, y al mismo tiempo requiere mucha menos energía que los sistemas informáticos convencionales.

El sistema es parte del Proyecto del Cerebro Humano Europeo. El proyecto integra tecnologías como la computación neuromórfica en una plataforma abierta llamada EBRAINS.

“Sin embargo, nuestro trabajo no es solo interesante para la computación neuromórfica y el hardware inspirado en la biología. También reconoce la demanda de la comunidad científica de transferir los enfoques de aprendizaje profundo a la neurociencia y así descubrir aún más los secretos del cerebro humano”, afirma el Dr. Petrovici.