"Las arquitecturas neuromórficas son radicalmente diferentes de las utilizadas en los procesadores tradicionales. Inspirada en las propiedades de los cerebros biológicos, emulan los sistemas neuronales y ayudarán a resolver las demandas de aquellas empresas que requieren IA en el borde".

* Por Francisco Rojas, Líder de Applied Intelligence de Accenture Chile

A medida que la inteligencia artificial se ha ido sofisticando, se ha convertido en un elemento crucial de muchos productos y servicios. Los sistemas de inteligencia artificial actuales pueden interpretar órdenes habladas, reconocer objetos y gestos, navega, planifica y toma decisiones. Estos éxitos están impulsando la demanda de experiencias más potentes basadas en la IA: productos y entornos inteligentes que sean autónomos, interactúen de forma natural con los usuarios y se adapten a las condiciones cambiantes. 

Sin embargo, para cumplir con estas crecientes expectativas se requiere de una nueva forma de diseñar los sistemas de IA. Un enfoque prometedor es recurrir al cerebro en busca de inspiración. El cerebro humano tiene una capacidad asombrosa de aprendizaje y cálculo en un paquete compacto. Consume una fracción de la energía que necesitan los procesadores que alimentan los sistemas de IA actuales, y sólo necesita unos pocos ejemplos para aprender nuevos patrones. Es sensible, habiendo evolucionado para identificar y evitar rápidamente a los depredadores. Tiene muchas propiedades que necesitamos en la próxima ola de productos inteligentes que proporcionen inteligencia eficiente, receptiva y adaptable.

Aquí es donde entra la computación neuromórfica, un enfoque emergente de la IA acelerada por hardware. Inspirada en las propiedades de los cerebros biológicos, las arquitecturas neuromórficas son radicalmente diferentes de las utilizadas en los procesadores tradicionales. En cambio, emulan los sistemas neuronales. Las tecnologías neuromórficas ayudarán a resolver las demandas de aquellas empresas que requieren IA en el borde, como el control de voz para vehículos, el reconocimiento de gestos de todo el cuerpo para interfaces sin contacto, e inteligencia para la robótica asistencial.

Los productos inteligentes ya están generando disrupción y transformando las industrias, con una demanda creciente tanto entre los consumidores y como entre las empresas. Hay varias razones para esta tendencia hacia el "todo inteligente". Los productos inteligentes actuales han demostrado el valor de la infusión de IA tanto en los dispositivos de consumo como en los industriales. Pero nos estamos topando con los límites de la informática tradicional: la idea de llevar la IA a todas partes está limitada por el hardware que la alimenta. Tareas como el reconocimiento de gestos del mundo real o entender el habla requieren potentes procesadores que agotan rápidamente las baterías de los dispositivos.

¿Cómo funciona la computación nueromórfica? La comprensión científica del funcionamiento del cerebro no está todavía completa, pero está lo suficientemente madura como para descubrir muchos principios básicos de la computación neuronal. Se han desarrollado algoritmos y procesadores que reproducen algunos de esos principios y mecanismos básicos. ¿Qué intentan emular? Un cerebro humano medio contiene entre 80 y 100 mil millones de neuronas, cada una de las cuales es altamente eficiente. La actividad de todo el cerebro es mucho más dispersa que la de las arquitecturas informáticas tradicionales. En el cerebro, cada neurona trabaja de forma asíncrona para proporcionar un paralelismo masivo, muchos procesos diferentes al mismo tiempo, y para adaptarse a los rápidos cambios del entorno. En los últimos años, los dispositivos neuromórficos con estas propiedades se han hecho realidad, acelerando las soluciones prácticas a la creciente demanda de productos inteligentes.

La computación nueromórfica tiene 4 beneficios principales para las empresas. Primero, eficiencia energética. Los sistemas neuromórficos son más eficientes energéticamente que las arquitecturas informáticas de propósito general. En segundo lugar, la baja latencia, ya que el procesamiento de flujos continuos de datos y el despliegue de procesadores neuromórficos en el borde reduce el retraso del análisis. Así, también, las arquitecturas de los sistemas neuromórficos permiten que los dispositivos se adapten a los cambios de contexto y los recientes avances han permitido un aprendizaje rápido a partir de muy pocos datos, capacidades casi biológicas que están más allá de la mayoría de los sistemas convencionales de IA.

Ya es habitual interactuar con los sistemas a través de interfaces táctiles, como las pantallas táctiles de pago y pantallas interactivas. Pero las superficies altamente táctiles como éstas tienen sus limitaciones, y cuando se utilizan mucho en espacios públicos, también pueden propagar gérmenes. Permitir una interacción más flexible y sin gestos puede proteger la salud y crear experiencias más ricas y naturales para los clientes. Los compradores podrían interactuar con quioscos minoristas inteligentes para conocer los productos con simples gestos. Los espectadores podrían interactuar con los carteles dinámicos de las películas con un gesto y un movimiento de cabeza. 

Combinando un procesador neuromórfico con un sensor de imagen con picos, Accenture ha desarrollado modelos de IA que admiten el reconocimiento de gestos naturales en tiempo real. A diferencia de las soluciones de IA actuales, que requieren grandes cantidades de datos de entrenamiento para reconocer solo unos pocos gestos, estos modelos pueden aprender de nuevos datos de entrada en tiempo real. El sistema puede aprender rápidamente múltiples gestos diferentes de una persona. Esto no sólo permitirá interacciones más seguras con la tecnología, sino que ampliará las posibilidades de las experiencias basadas en los gestos.

Cada organización necesita dar forma a su estrategia de variedad computacional para satisfacer las crecientes demandas de los consumidores y para adelantarse a la creciente competencia. Ahora, con el emergente hardware neuromórfico y plataformas de maduración, es el momento de empezar a experimentar con la computación neuromórfica, empezando con aplicaciones que requieran de una IA eficiente, receptiva y adaptable.