[ad_1]
//php echo do_shortcode(‘[responsivevoice_button voice=»US English Male» buttontext=»Listen to Post»]’) ?>
La computación neuromórfica nació en el laboratorio de Carver Mead en la década de 1980 cuando Mead describió la primera retina de silicio analógica. «Neuromorfo» en la época de Mead significaba imitar los procesos neuronales biológicos en el silicio, copiándolos lo más fielmente posible. Pero hoy en día la palabra tiene un significado más amplio. Varios enfoques de la detección y la computación inspirados biológicamente están comenzando a florecer, y algunos solo están vagamente inspirados en el cerebro. Con la ralentización de la Ley de Moore y el crecimiento de la computación acelerada, la detección neuromórfica y la computación están ganando atención a medida que buscamos tecnologías que permitan la próxima frontera del silicio.
Un panel de discusión reciente en Embedded Vision Summit abordó tanto la relevancia contemporánea del neuromorfismo como el equilibrio entre la inspiración de la naturaleza y la copia directa. Si bien todas las tecnologías neuromórficas se basan en la biomimética, es decir, que se inspiran o copian directamente los sistemas y estructuras biológicos, los panelistas estaban divididos sobre el equilibrio adecuado entre inspiración e imitación.
«Neuromorph se usa para significar docenas de cosas diferentes», dijo Steve Teig, director ejecutivo de la compañía de chips aceleradores de IA Perceive. «No importa cuál sea el morfo o la forma de algo, no importa qué función tenga, así que no veo ninguna ventaja o desventaja en tratar de parecerse a una neurona».
Teig cita el ejemplo clásico del vuelo de las aves, que tiene poco significado para los aviones modernos.
«Queremos algo que haga lo mismo que un pájaro, pero no tiene que hacer lo mismo que un pájaro», dijo Teig. “No veo ningún beneficio intrínseco en imitar cómo vuela el pájaro en [aircraft]siempre y cuando termines volando.
James Marshall, director científico de Opteran y profesor de biología teórica y computacional en la Universidad de Sheffield, dijo que la compañía adoptó una visión muy amplia de la definición de neuromórfico.
«En Opteran, hemos ampliado la definición de neuromorfismo aún más para incluir algoritmos: estamos reconstruyendo cómo funcionan los cerebros reales», dijo Marshall.
Opteran utiliza cámaras estándar y hardware de computadora digital estándar en sus sistemas robóticos (sin cámaras basadas en eventos ni redes neuronales de picos).
«Es importante para nosotros obtener el procesamiento de la información de los cerebros reales y reproducirlo en algunas tecnologías modernas de silicio», agregó.
Garrick Orchard, científico investigador de Intel Labs, está de acuerdo en que el significado de la palabra «neuromorfo» ha evolucionado desde que se acuñó en la década de 1980.
«El término neuromorfia ahora es tan amplio que significa muy poco», dijo.
Intel Labs es el lugar de nacimiento de la oferta informática neuromórfica de Intel, Loihi. Orchard dijo que el enfoque de Intel Labs es tratar de comprender lo que sucede en biología y aplicarlo al silicio donde tenga sentido.
«¿Qué principios que vemos en biología son realmente importantes para que hagamos algo mejor con el silicio?», dijo Obstgarten. «Puede ser [biological] Cosas que ofrecen beneficios, pero es posible que no se traduzcan bien en silicio, por lo que no deberíamos obligar al silicio a hacer cosas que podrían empeorar las cosas».
Ryad Benosman, profesor de la Universidad de Pittsburgh y profesor asociado del Instituto de Robótica CMU, dijo que es posible que no se logre el equilibrio correcto hasta que tengamos una comprensión completa de cómo funcionan los cerebros biológicos.
«Históricamente, el neuromórfico consistía en replicar neuronas en silicio y ha evolucionado mucho», dijo Benosman. «Pero nadie sabe realmente cómo funciona el cerebro, ni siquiera sabemos cómo funciona una neurona real».
Benosman señala que había muchas ideas diferentes sobre cómo funcionaban las neuronas antes del modelo matemático de Hodgkin-Huxley de la neurona del calamar gigante (1952), que casi había desaparecido en ese momento. En su opinión, el funcionamiento de las neuronas aún está muy abierto.
«Neuromorphic es impresionante, es genial, pero está muy relacionado con cuánto sabemos sobre el cerebro», dijo Benosman. “Estamos de acuerdo en que hay muchas etapas de las que podemos aprender antes de llegar allí. [how the brain works] y lo que podemos construir en ese tiempo”.
Steve Teig de Perceive no estuvo de acuerdo, argumentando que no se requiere una comprensión completa de la biología para mejorar los sistemas neuromórficos porque no necesitamos copiarlos exactamente.
«Suponiendo que sepamos exactamente cómo funciona la retina, sigue siendo la evolución biológica la que condujo a la retina», dijo. “La retina tenía todo tipo de limitaciones que no son las mismas que tenemos hoy en los servicios de construcción. Por lo tanto, podría haber beneficios al imitar las otras cosas en las que la retina es espectacularmente buena, pero no es así. per se debido a que la retina hace esto, no es una estrategia de ingeniería apropiada”.
James Marshall de Opteran señaló que no todos los cerebros funcionan de la misma manera.
«Realmente no entendemos si aumentar es importante», dijo Marshall. «En realidad, hay muchos tipos diferentes de neuronas, no todas están integradas y activas: en los insectos hay sinapsis químicas, potenciales de acción continuos y en el procesamiento visual temprano eso es realmente importante».
Marshall explicó que Opteran no usa picos en sus algoritmos, «solo filtros lineales simples, pero combinados de manera inteligente, como muchas cosas en biología».
Garrick Orchard de Intel Labs tomó el punto de vista opuesto. El chip Loihi de Intel fue diseñado para acelerar las redes neuronales con dispositivos electrónicos digitales asincrónicos.
«En nuestro laboratorio, estamos tratando de estudiar qué principios vemos en los cálculos biológicos que creemos que son principios clave y los aplicamos donde tienen sentido en el silicio, y creemos que el aumento es uno de esos principios», dijo Orchard. «Pero hay que pensar qué propiedades de un pico tienen sentido y cuáles no».
Mientras que el chip Loihi de primera generación de Intel usó picos binarios que reflejan la biología, donde toda la información de un pico está codificada en su tiempo, el chip Loihi de segunda generación tiene una neurona programable que acepta diferentes tamaños de picos.
Si el tamaño de la punta no es crítico, ¿cómo sabemos qué es importante acerca de las puntas?
«[Spikes] ayudarnos con la idea de la escasez», dijo Orchard. «Si tienes muchas neuronas que se comunican muy escasamente entre sí, puedes pensar en algunas ventajas. Usted transporta menos datos y sus buses tienen menos tráfico, lo que puede reducir la latencia cuando las cosas vuelan alrededor del chip, y creemos que hay ventajas significativas al trabajar dentro del dominio de picos en esta área”.
¿Qué pasa con el uso de computadoras analógicas? Después de todo, ¿el cerebro es una computadora analógica?
Orchard señaló que podríamos discutir sobre dónde está la línea entre lo analógico y lo digital: cuando el tamaño de los picos no es importante, se pueden representar con 0 o 1.
Loihi es digital en parte debido a la experiencia de Intel en electrónica digital, agregó.
“Vemos una ventaja significativa en poder utilizar nuestra tecnología más reciente para la fabricación, reduciendo a tamaños de nodo realmente pequeños y aún haciendo que los circuitos digitales funcionen de manera muy confiable, por lo que apegarse al dominio digital y los cálculos repetibles es una ventaja significativa para nosotros, ¿cuál de curso es muy útil cuando estás depurando cosas», dijo.
James Marshall de Opteran dijo que las compensaciones debido a las limitaciones de la biología podrían significar que los picos son la solución óptima para los sistemas biológicos, pero eso no necesariamente se traduce en silicio, y lo mismo es cierto para las computadoras analógicas.
«Si tomas el cerebro como referencia, el cerebro no solo procesa la información, sino que también tiene que mantenerse vivo», señaló Marshall. “No quieren reproducir los detalles de las neuronas que tienen que ver con la limpieza… Los seres vivos tienen que reciclar químicos y todo tipo de cosas para no morir, lo cual es fundamental y totalmente independiente de los componentes de procesamiento de la información. «
Steve Teig de Perceive está más abierto al hardware analógico.
«Es posible que lo analógico tenga valor porque la energía promedio que gastas en analógico puede ser significativamente menor que en digital», dijo Teig. “Personalmente, no tengo ni a favor ni en contra de la religión analógica. Creo que es una forma interesante de cálculo. Para mí, se trata de dar un paso atrás y decir lo que quieres que haga tu computadora. ¿Cómo debería ser su interconexión? Y luego diseñas algo así”.
Ryad Benosman abogó por enfoques digitales asincrónicos para la computación neuromórfica, como el de Intel.
«Para las matemáticas, si quieres hacer productos hoy… Puedo contar con productos análogos por un lado que tienes y puedes usar, no es sostenible», dijo. «Creo que lo que necesitas es ser asincrónico. Deshazte de tus relojes… Creo que ese es el camino a seguir”.
En general, los panelistas acordaron que no hay necesidad de copiar ciegamente la biología, sino de tomar prestadas las partes que nos son útiles. Sin embargo, sigue existiendo cierto desacuerdo sobre cuáles son exactamente las partes útiles.
«No tenemos idea de cómo es que estamos modelando el mundo y enseñándonos a nosotros mismos a aprender y absorber información», dijo Steve Teig. «Para mí, este hilo, aunque científicamente interesante, no tiene nada que ver con si el hardware basado en eventos es algo bueno, si los picos son algo bueno o si lo analógico es algo bueno».
[ad_2]