La secreto para la inteligencia industrial y el enseñanza inconsciente energéticamente eficientes puede estar en el cerebro humano

0


Una comprensión más clara de cómo funciona un tipo de célula cerebral conocida como astrocitos, y cómo se puede emular en la física de los dispositivos de hardware, puede conducir a la inteligencia artificial (IA) y al aprendizaje automático que se autoreparan y consumen mucha menos energía que las tecnologías actuales. , según un equipo de investigadores de Penn State.

Los astrocitos reciben su nombre de su forma de estrella y son un tipo de células gliales, que son células de apoyo para las neuronas en el cerebro. Desempeñan un papel crucial en funciones cerebrales como la memoria, el aprendizaje, la autorreparación y la sincronización.

«Este proyecto surgió de observaciones recientes en neurociencia computacional, ya que ha habido mucho esfuerzo y comprensión de cómo funciona el cerebro y la gente está tratando de revisar el modelo simplista de conexión neurona-sinapsis», dijo Abhronil Sengupta, profesor asistente. de ingeniería eléctrica e informática. «Resulta que hay un tercer componente en el cerebro, los astrocitos, que constituyen una sección significativa de las células cerebrales, pero su papel en el aprendizaje automático y la neurociencia se ha pasado por alto de alguna manera».

Al mismo tiempo, los campos de la inteligencia artificial y el aprendizaje automático están experimentando un auge. Según la firma de análisis Burning Glass Technologies, se espera que la demanda de habilidades de inteligencia artificial y aprendizaje automático aumente en una tasa de crecimiento compuesta del 71% para 2025. Sin embargo, la inteligencia artificial y el aprendizaje automático enfrentan un desafío con el aumento en el uso de estas tecnologías: usan mucha energía.

«Un problema a menudo subestimado con la inteligencia artificial y el aprendizaje automático es la cantidad de energía que utilizan estos sistemas», dijo Sengupta. «Hace unos años, por ejemplo, IBM trató de simular la actividad cerebral de un gato y, al hacerlo, terminó consumiendo unos pocos megavatios de energía. ¿Y si tuviéramos que ampliar este número para simular la actividad cerebral de un ser. ser humano en la mejor supercomputadora posible que tenemos hoy, el consumo de energía sería incluso superior a los megavatios «.

Todo este consumo de energía se debe a la compleja danza de interruptores, semiconductores y otros procesos mecánicos y eléctricos que ocurren en el procesamiento informático, que aumenta dramáticamente cuando los procesos son tan complejos como lo que requieren la inteligencia artificial y el aprendizaje automático. Una posible solución es el cálculo neuromórfico, que es un cálculo que imita la función cerebral. La computación neuromórfica es de interés para los investigadores porque el cerebro humano ha evolucionado para usar mucha menos energía para sus procesos que una computadora, por lo que imitar esas funciones haría que la inteligencia artificial y el aprendizaje automático sean un proceso más eficiente desde el punto de vista. de vista.

Otra función del cerebro que tiene potencial para la computación neuromórfica es cómo el cerebro puede reparar las neuronas y sinapsis dañadas.

«Los astrocitos juegan un papel crucial en la autorreparación del cerebro», dijo Sengupta. «Cuando intentamos crear estas nuevas estructuras de dispositivos, tratamos de formar un prototipo de hardware neuromórfico artificial, caracterizado por muchos defectos a nivel de hardware. Así que quizás podamos extraer conocimientos de la neurociencia computacional basados ​​en cómo las células gliales en los astrocitos están causando la autorreparación en el cerebro y utilizar estos conceptos para hacer que la autorreparación del hardware neuromórfico repare estos defectos «.

El laboratorio de Sengupta trabaja principalmente con dispositivos espintrónicos, una forma de electrónica que procesa información a través de electrones giratorios. Los investigadores examinan las estructuras magnéticas de los dispositivos y cómo hacerlos neuromórficos imitando varias funciones sinápticas neuronales del cerebro en la física intrínseca de los dispositivos.

Esta investigación fue parte de un estudio publicado en enero en Fronteras de la neurociencia. Esa investigación, a su vez, condujo al estudio publicado recientemente en la misma revista.

«Cuando comenzamos a trabajar en los aspectos de la autorreparación en el estudio anterior, nos dimos cuenta de que los astrocitos también contribuyen al enlace temporal de la información», dijo Sengupta.

La vinculación temporal de la información es la forma en que el cerebro puede dar sentido a las relaciones entre eventos separados que suceden en momentos separados y dar sentido a estos eventos como una secuencia, que es una función importante de la inteligencia artificial y el aprendizaje automático.

‘Resulta que las estructuras magnéticas con las que estábamos trabajando en el estudio anterior se pueden sincronizar juntas a través de varios mecanismos de acoplamiento, y queríamos explorar cómo podemos hacer que estos dispositivos magnéticos sincronizados imiten el acoplamiento de fase inducido por los astrocitos, yendo más allá. trabajar en dispositivos exclusivamente neuro-sinápticos «, dijo Sengupta. «Queremos que la física intrínseca de los dispositivos imite el acoplamiento de fase de los astrocitos que tienes en tu cerebro».

Para comprender mejor cómo se podría lograr esto, los investigadores desarrollaron modelos de neurociencia, incluidos los de astrocitos, para comprender qué aspectos de las funciones de los astrocitos serían más relevantes para su investigación. También desarrollaron modelos teóricos de posibles dispositivos espintrónicos.

«Necesitábamos comprender la física de los dispositivos y eso implicaba una gran cantidad de modelado teórico de dispositivos, por lo que buscamos cómo desarrollar un marco de modelado interdisciplinario de extremo a extremo que incluye todo, desde modelos de neurociencia hasta algoritmos y física de dispositivos», dijo Sengupta.

La creación de una «computación astromórfica» tan eficiente en energía y resistente a fallas podría abrir la puerta a trabajos de inteligencia artificial y aprendizaje automático más sofisticados que se realizarán en dispositivos con energía limitada, como los teléfonos inteligentes.

«La inteligencia artificial y el aprendizaje automático están revolucionando el mundo que nos rodea todos los días, lo ves desde tus teléfonos inteligentes que reconocen las fotos de tus amigos y familiares, hasta el enorme impacto del aprendizaje automático en el diagnóstico médico de diferentes tipos de enfermedades», dijo Sengupta. . «Al mismo tiempo, el estudio de los astrocitos para el tipo de capacidades de autocuración y sincronización que pueden habilitar en la computación neuromórfica está realmente en su infancia. Hay muchas oportunidades potenciales con este tipo de componentes».

Junto con Sengupta, los investigadores en el primer artículo publicado en enero, «Sobre el papel de autorreparación de los astroocitos en SNN no supervisadas habilitadas por STDP», incluyen a Mehul Rastogi, un ex becario de investigación en el Laboratorio de Computación Neuromórfica; Sen Lu, asistente de investigación con título en informática; y Nafiul Islam, asistente de investigación graduado en ingeniería eléctrica. Junto con Sengupta, los investigadores del artículo publicado en octubre, «Emulación de la sincronización de fase neural inducida por astrocitos en neuronas de oscilador de torsión de órbita-giro», incluyen a Umang Garg, quien fue investigador en prácticas en Penn State durante el estudio, y Kezhou Yang, PhD candidato en ciencia de materiales.

La National Science Foundation ha apoyado este trabajo a través del programa Early Concept Grant for Exploratory Research, específicamente dirigido a proyectos interdisciplinarios de alto riesgo y alta rentabilidad con un alcance transformador.

También podría gustarte
Deja una respuesta

Su dirección de correo electrónico no será publicada.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More