El Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) anunció en enero de 2024 el desarrollo de un memristor de autoaprendizaje, un componente diseñado para replicar la función de las sinapsis en el cerebro humano. Según el presidente de Kaist, Kwang Hyung Lee, el nuevo dispositivo puede corregir sus propios errores y mejorar su rendimiento con el tiempo, abordando desafíos anteriores en los sistemas neuromórficos. La investigación, publicada en la revista Electrónica de la naturalezadescribe las capacidades del memristor. Los investigadores informan que el chip puede, por ejemplo, aprender a separar una imagen en movimiento de su fondo durante el procesamiento de video y mejorar progresivamente su capacidad para realizar esta tarea. Este avance podría permitir que las tareas complejas de IA se ejecuten localmente en dispositivos en lugar de depender de servidores de nubes remotos, lo que aumentaría tanto la privacidad como la eficiencia energética. “Este sistema es como un espacio de trabajo inteligente donde todo está al alcance del brazo en lugar de tener que ir y venir entre escritorios y archivos”, dijeron los investigadores de Kaist Hakcheon Jeong y Seungjae Han en un comunicado de prensa. “Esto es similar a la forma en que nuestro cerebro procesa la información, donde todo se procesa de manera eficiente a la vez en un solo lugar”. El memristor, un término derivado de “memoria” y “resistencia”, se considera un elemento fundamental para la computación neuromórfica o cerebral. El concepto fue teorizado por primera vez en 1971 por el ingeniero eléctrico estadounidense e informático Leon Chua. Propuso que debe existir un cuarto componente eléctrico fundamental junto con la resistencia, el condensador e inductor. Chua imaginó el memristor como un componente de memoria no volátil capaz de almacenar información incluso cuando se enciende. Aunque la teoría existió durante décadas, los investigadores no descubrieron experimentalmente memristores hasta 2008. Este avance provocó esfuerzos científicos globales para mejorar sus capacidades. La capacidad de un memristor para realizar el almacenamiento de datos y el cálculo simultáneamente lo convierte en un sustituto efectivo para una sinapsis artificial en una red neuronal de IA, imitando cómo funciona el cerebro humano. Un objetivo principal de este campo de investigación es construir computadoras que puedan operar con la eficiencia y el poder del cerebro humano. El cerebro puede realizar aproximadamente mil millones de miles de millones (10^18) operaciones matemáticas por segundo usando solo 20 vatios de potencia. Alcanzar este nivel de hipereciencia es un requisito clave para desarrollar un cerebro de IA neuromórfico práctico. En un desarrollo relacionado este año, Kaist también creó el primer chip de superconductor de IA. Este chip está diseñado para una operación de ultra alta velocidad con un consumo de energía mínimo, emulando aún más la eficiencia del cerebro. Estas mejoras tecnológicas se consideran como pasos incrementales para crear un “cerebro en un chip”. Dicha tecnología podría avanzar significativamente en la IA y potencialmente acelerar el progreso hacia la singularidad, un punto futuro teórico donde la inteligencia artificial supera la inteligencia humana. Sin embargo, el artículo señala que la “inteligencia” es un tema complejo. La capacidad de una IA para realizar ciertos cálculos similares al cerebro humano no significa que pueda replicar todas las diversas funciones del cerebro. Algunos científicos especulan que tales máquinas pueden evolucionar hacia “mentes alienígenas”, que poseen construcciones neuronales que son inteligentes de una manera que es fundamentalmente diferente de la cognición humana. Para el presente, el cerebro humano sigue siendo el estándar para la computación hipereficiente. A través de avances continuos con componentes como los memristores, la IA eventualmente puede desafiar esa posición.
Source: Kaist desarrolla memristor de autoaprendizaje para chips Ai
