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 Nature Electronics, describe 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 vídeo y mejorar progresivamente su capacidad para realizar esta tarea. Este avance podría permitir que tareas complejas de IA se ejecuten localmente en dispositivos en lugar de depender de servidores remotos en la nube, lo que aumentaría tanto la privacidad como la eficiencia energética.
“Este sistema es como un espacio de trabajo inteligente donde todo está al alcance de la mano en lugar de tener que ir y venir entre escritorios y archivadores”, dijeron los investigadores del 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 similar al cerebro. El concepto fue teorizado por primera vez en 1971 por el ingeniero eléctrico e informático estadounidense Leon Chua. Propuso que debe existir un cuarto componente eléctrico fundamental junto a la resistencia, el condensador y el inductor. Chua imaginó el memristor como un componente de memoria no volátil capaz de almacenar información incluso cuando estaba apagado.
Aunque la teoría existió durante décadas, los investigadores no descubrieron experimentalmente los memristores hasta 2008. Este avance desató esfuerzos científicos globales para mejorar sus capacidades. La capacidad de un memristor para realizar almacenamiento de datos y computación simultáneamente lo convierte en un sustituto eficaz de 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 potencia del cerebro humano. Se estima que el cerebro puede realizar mil millones de billones (10^18) de operaciones matemáticas por segundo utilizando sólo 20 vatios de potencia. Alcanzar este nivel de hipereficiencia es un requisito clave para desarrollar un cerebro de IA neuromórfico práctico.
En un desarrollo relacionado este año, KAIST también creó el primer chip superconductor de IA. Este chip está diseñado para funcionar a ultra alta velocidad con un consumo mínimo de energía, emulando aún más la eficiencia del cerebro.
Estas mejoras tecnológicas se consideran pasos incrementales hacia la creación de un “cerebro en un chip”. Esta tecnología podría hacer avanzar significativamente la IA y potencialmente acelerar el progreso hacia la singularidad, un punto futuro teórico en el que la inteligencia artificial superará a 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 a los del cerebro humano no significa que pueda replicar todas las diversas funciones del cerebro.
Algunos científicos especulan que tales máquinas podrían evolucionar hasta convertirse en “mentes alienígenas”, poseedoras de construcciones neuronales que son inteligentes de una manera fundamentalmente diferente de la cognición humana. Por el momento, el cerebro humano sigue siendo el estándar para la informática hipereficiente. A través de avances continuos con componentes como memristores, la IA puede eventualmente desafiar esa posición.
