Algoritmo resuelve tareas de aprendizaje complejas con eficiencia energética extrema

Un equipo de investigación interdisciplinario ha logrado grandes avances en el desarrollo de una máquina que puede procesar información de manera tan eficiente como el cerebro humano, algo que se ha buscado durante mucho tiempo en el campo de la inteligencia artificial. El equipo de la Universidad de Heidelberg en Alemania y la Universidad de Berna en Suiza estuvo dirigido por el Dr. Mihai Petrovici.

Los resultados de la investigación fueron publicados en la revista Nature Machine Intelligence. 

Redes neuronales artificiales de inspiración biológica

El equipo buscó redes neuronales artificiales de inspiración biológica para abordar este desafío. Las redes neuronales de picos imitan la estructura y la función de un sistema nervioso natural, y se las considera un candidato prometedor dadas sus características que las hacen poderosas, rápidas y energéticamente eficientes. Uno de los desafíos clave ha sido entrenar sistemas tan complejos, y el equipo ahora se está acercando a hacer precisamente eso con el algoritmo recientemente implementado. 

Las neuronas en el cerebro transmiten información usando pulsos eléctricos cortos, que se conocen como picos. Estos se activan cuando se supera un cierto umbral de estímulo. El intercambio de información se ve muy afectado tanto por la frecuencia con la que una sola neurona produce picos como por la secuencia temporal de los picos individuales. 

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

“La principal diferencia entre las redes de picos biológicos y las redes neuronales artificiales es que, debido a que 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.

Alcanzar el potencial completo

Tanto el cerebro humano como las redes neuronales de picos artificiales requieren que las neuronas individuales estén correctamente conectadas entre sí para alcanzar su máximo potencial. Esta es la razón por la que los investigadores necesitaban descubrir cómo se pueden ajustar los sistemas neuromórficos o inspirados en el cerebro para procesar correctamente la entrada de picos.

Laura Kriener es otro miembro del equipo de investigación.

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

Se deben usar algoritmos especiales para garantizar que las neuronas en una red neuronal en aumento 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 así como clasificar imágenes con alta precisión.

Este es el tipo de algoritmo que desarrolló el equipo. 

“Con este enfoque, podemos entrenar redes neuronales de picos para codificar y transmitir información exclusivamente en picos únicos. Por lo tanto, producen los resultados deseados de manera especialmente rápida y 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 dicen que el sistema BrainScaleS procesa la información hasta mil veces más rápido que el cerebro humano, al mismo tiempo que requiere mucha menos energía que los sistemas informáticos convencionales. 

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

“Sin embargo, nuestro trabajo no solo es interesante para la computación neuromórfica y el hardware de inspiración biológica. También reconoce la demanda de la comunidad científica de transferir los llamados enfoques de Aprendizaje Profundo a la neurociencia y así revelar aún más los secretos del cerebro humano”, dice. Dra. Petrovici.