Crean inteligencia artificial que ‘piensa’ más parecido al cerebro humano

El nuevo dispositivo se basa en los patrones de moiré, un nuevo enfoque que podría permitir a los modelos de IA aprender y procesar información de manera más cercana a los seres humanos.

La inteligencia artificial (IA) y el cerebro humano han compartido, hasta ahora, pocas similitudes más allá de su uso de la electricidad para procesar información.

Mientras que las máquinas de IA están construidas con circuitos de metal y silicio, el pensamiento humano surge de la complejidad de tejido biológico.

Sin embargo, esta divergencia podría estar comenzando a reducirse gracias a un avance reciente: un grupo de investigadores ha desarrollado un tipo de transistor neuromórfico que podría permitir a los modelos de IA aprender y procesar información de una manera más cercana a como lo hacen los seres humanos.

Este novedoso estudio ha sido liderado por el químico e ingeniero de la Universidad Northwestern (EE. UU), Mark Hersam y codirigido por el investigador español Pablo Jarillo-Herrero, del Instituto Tecnológico de Massachusetts (MIT).

En concreto, la clave está en un nuevo tipo de transistor basado en los patrones de moiré, un diseño geométrico que se da cuando dos patrones se superponen en capas.

Estos dispositivos funcionan de manera similar a las neuronas del cerebro humano, integrando la memoria y el procesamiento en un único dispositivo.

“Nuestro transistor sináptico logra de forma similar la funcionalidad concurrente de memoria y procesamiento de la información para imitar más fielmente al cerebro”, indican los expertos.

Este innovador enfoque representa un cambio fundamental en la arquitectura de los sistemas de IA, que les permite gestionar la información de manera más eficiente y más parecida a como lo hace nuestro cerebro.

Actualmente, la inteligencia artificial depende de sistemas que separan la memoria del procesamiento.

Los computadores convencionales trasladan datos entre estas dos funciones, lo que consume grandes cantidades de energía y recursos.

Este método es notablemente ineficiente en comparación con el cerebro humano, donde la memoria y el procesamiento están entrelazados, lo que permite un flujo continuo de información sin necesidad de trasladarla de un lado a otro.

Además, la desventaja de la tecnología se vuelve particularmente evidente cuando se consideran los altos costos energéticos asociados a la IA.

Los centros de datos, donde se almacenan las máquinas y hardware de IA, consumen entre el 1 y el 1,5 % de la electricidad global, según informes recientes.

En este sentido, para 2027, se estima que las unidades de servidores dedicados a la IA podrían consumir hasta 85.4 teravatios/hora de electricidad anualmente, lo que equivale al consumo de energía de muchos países pequeños.

“El cerebro es muchísimo más eficiente”, recalca Hersam.

“Hemos tratado durante años de desarrollar dispositivos y materiales que puedan imitar mejor cómo el cerebro realiza los cálculos”, explica.

Estos intentos han dado lugar a sistemas neuromórficos, diseñados para replicar la estructura y función del cerebro humano en sistemas electrónicos.

Ahora, con el diseño del transistor sináptico de moiré, Hersam y sus colegas han dado un paso más hacia esa meta.

Estos dispositivos son la piedra angular de la electrónica moderna, actuando como interruptores diminutos que controlan y generan señales eléctricas.

Al igual que las neuronas, son esenciales para los circuitos que procesan la información en las computadoras.

La importancia de este aparato radica en que integra memoria y procesamiento en una sola unidad.

Para lograr esto, los investigadores recurrieron a materiales bidimensionales que son extremadamente delgados a nivel atómico.

Al colocar estos materiales en capas y en diferentes orientaciones, crean patrones que se asemejan a un caleidoscopio, conocidos como superestructuras moiré.

Estas estructuras permiten a los científicos controlar el flujo de corriente eléctrica con una precisión notable, aprovechando propiedades cuánticas para crear estados electrónicos que pueden almacenar datos sin requerir un suministro continuo de energía.

Tal y como reflejan en su estudio, los investigadores han conseguido que los transistores funcionen a temperatura ambiente y consuman 20 veces menos energía que otros tipos de dispositivos sinápticos.

Y esto no solo hace que la IA sea más eficiente desde el punto de vista energético, sino que también allana el camino a un nuevo tipo de procesamiento de la información, que no se limita a reconocer patrones, sino que también puede tomar decisiones similares a las que realiza el cerebro humano.

“Este dispositivo, en principio, sería más efectivo en tareas que requieren decisiones en entornos complejos”, en palabras de Hersam.

Aun así, las aplicaciones de este serían enormes, especialmente para áreas de la IA que dependen de la capacidad de tomar decisiones bajo incertidumbre, como los vehículos autónomos.

Las IA actuales a menudo se despistan con datos “ruidosos” provenientes de condiciones climáticas adversas o mala visibilidad, lo que puede hacer que, por ejemplo, confundan a un peatón con una bolsa de plástico en la carretera.

“Tu IA actual simplemente no navega tan bien”, matiza Hersam.

No obstante, el cerebro humano tiene una capacidad única para formar asociaciones entre diferentes conceptos y aprender de la experiencia.

Esta habilidad, conocida como aprendizaje asociativo, sigue siendo una asignatura pendiente para la IA debido a su arquitectura basada en la separación de memoria y procesamiento.

Sin embargo, el transistor sináptico de moiré podría suponer una aproximación.

“El transistor puede ‘aprender’ de los datos que procesa”, asegura Hersam.

O lo que es lo mismo, con el tiempo, podría ser capaz de reconocer patrones, establecer conexiones entre diferentes entradas y asociar conceptos de forma similar a como el cerebro humano forma recuerdos.

Esto supondría un giro fundamental en la forma en que la IA gestiona la información, ya que en lugar de simplemente identificar patrones comunes, estos sistemas podrían comprender relaciones más profundas entre diferentes elementos de datos.

Por ejemplo, un modelo de IA tradicional podría ver dos secuencias de números, como 111 y 000, y reportar que no tienen nada en común.

Pero un modelo equipado con transistores sinápticos moiré podría identificar que ambos conjuntos están formados por tres números repetidos, haciendo una conexión más abstracta y avanzada.

Con todo, pese a las expectativas, la tecnología aún debe superar algunas tareas pendientes antes de que pueda ser implementada a gran escala.

Los métodos actuales para fabricar transistores sinápticos de moiré no son asumibles, lo que significa que todavía se necesita más investigación en técnicas de producción para hacer que esta tecnología esté disponible de manera masiva.

Sin embargo, expertos como Tsu-Jae King Liu, de la Universidad de California en Berkeley (EE. UU), que no participó en el estudio, ven este avance como una oportunidad emocionante.

“La demostración de prueba de concepto a temperatura ambiente muestra que este enfoque vale la pena investigarse más a fondo para su potencial implementación en sistemas de computación neuromórfica”, afirma Liu.

Con todo, estos hallazgos podrían abrir la puerta a una IA que no solo sea más eficiente desde el punto de vista energético, sino también más inteligente y capaz de manejar tareas complejas de manera parecida a como lo hacen los humanos.

Si estos transistores neuromórficos logran perfeccionarse, podríamos estar un paso más cerca de crear sistemas de IA que piensen y aprendan como el cerebro humano, acercándonos a un futuro donde las máquinas imiten la inteligencia humana a niveles sin precedentes.

Fuente: Nature