La computación bioinspirada , abreviatura de computación biológicamente inspirada , es un campo de estudio que busca resolver problemas informáticos utilizando modelos de biología. Se relaciona con el conexionismo , el comportamiento social y la emergencia . Dentro de la informática , la computación bioinspirada se relaciona con la inteligencia artificial y el aprendizaje automático. La computación bioinspirada es un subconjunto importante de la computación natural .
Primeras ideas
Las ideas detrás de la computación biológica se remontan a 1936 y a la primera descripción de una computadora abstracta, que ahora se conoce como máquina de Turing . Turing describió por primera vez la construcción abstracta utilizando un espécimen biológico. Turing imaginó un matemático que tenía tres atributos importantes. [1] Siempre tiene un lápiz con una goma de borrar, un número ilimitado de papeles y un par de ojos que trabajan. Los ojos le permiten al matemático ver y percibir cualquier símbolo escrito en el papel, mientras que el lápiz le permite escribir y borrar cualquier símbolo que desee. Por último, el papel ilimitado le permite almacenar cualquier cosa que desee en la memoria. Utilizando estas ideas pudo describir una abstracción de la computadora digital moderna. Sin embargo, Turing mencionó que cualquier cosa que pueda realizar estas funciones puede considerarse una máquina de este tipo e incluso dijo que ni siquiera la electricidad debería ser necesaria para describir la computación digital y el pensamiento automático en general. [2]
Redes neuronales
Descritas por primera vez en 1943 por Warren McCulloch y Walter Pitts, las redes neuronales son un ejemplo frecuente de sistemas biológicos que inspiran la creación de algoritmos informáticos. [3] Primero describieron matemáticamente que un sistema de neuronas simplistas era capaz de producir operaciones lógicas simples como conjunción , disyunción y negación lógicas . Además, demostraron que se puede utilizar un sistema de redes neuronales para realizar cualquier cálculo que requiera memoria finita. Alrededor de 1970, la investigación sobre redes neuronales se ralentizó y muchos consideran que un libro de 1969 de Marvin Minsky y Seymour Papert es la causa principal. [4] [5] Su libro demostró que los modelos de redes neuronales solo podían modelar sistemas que se basan en funciones booleanas que son verdaderas solo después de un cierto valor umbral. Estas funciones también se conocen como funciones de umbral . El libro también mostró que una gran cantidad de sistemas no pueden representarse como tales, lo que significa que una gran cantidad de sistemas no pueden modelarse mediante redes neuronales. Otro libro de James Rumelhart y David McClelland en 1986 volvió a poner las redes neuronales en el centro de atención al demostrar el algoritmo de retropropagación lineal, algo que permitió el desarrollo de redes neuronales de múltiples capas que no se adherían a esos límites. [6]
Colonias de hormigas
Douglas Hofstadter en 1979 describió la idea de un sistema biológico capaz de realizar cálculos inteligentes incluso aunque los individuos que componen el sistema pudieran no ser inteligentes. [7] Más específicamente, dio el ejemplo de una colonia de hormigas que pueden llevar a cabo tareas inteligentes juntas pero que cada hormiga individual no puede exhibir algo llamado " comportamiento emergente ". Azimi et al. en 2009 mostraron lo que describieron como el algoritmo de "colonia de hormigas", un algoritmo de agrupamiento que es capaz de generar el número de grupos y producir grupos finales altamente competitivos comparables a otros algoritmos tradicionales. [8] Por último, Hölder y Wilson en 2009 concluyeron, utilizando datos históricos, que las hormigas han evolucionado para funcionar como una única colonia de "superogranismo". [9] Un resultado muy importante ya que sugirió que los algoritmos evolutivos de selección de grupos junto con algoritmos similares a la "colonia de hormigas" pueden usarse potencialmente para desarrollar algoritmos más potentes.
Algunas áreas de estudio en informática de inspiración biológica y sus contrapartes biológicas:
La informática bioinspirada se puede distinguir de la inteligencia artificial tradicional por su enfoque del aprendizaje informático. La informática bioinspirada utiliza un enfoque evolutivo, mientras que la IA tradicional utiliza un enfoque " creacionista ". La informática bioinspirada comienza con un conjunto de reglas simples y organismos simples que se adhieren a esas reglas. Con el tiempo, estos organismos evolucionan dentro de limitaciones simples. Este método podría considerarse ascendente o descentralizado . En la inteligencia artificial tradicional, la inteligencia a menudo se programa desde arriba: el programador es el creador, crea algo y lo impregna de su inteligencia.
La informática bioinspirada se puede utilizar para entrenar a un insecto virtual. El insecto está entrenado para navegar en un terreno desconocido para encontrar comida y cuenta con seis reglas simples:
El insecto virtual controlado por la red neuronal entrenada puede encontrar comida después del entrenamiento en cualquier terreno desconocido. [10] Después de varias generaciones de aplicación de reglas, suele darse el caso de que surjan algunas formas de comportamiento complejo . La complejidad se construye sobre la complejidad hasta que el resultado es algo marcadamente complejo y, muy a menudo, completamente contrario a la intuición de lo que se esperaría que produjeran las reglas originales (ver sistemas complejos ). Por esta razón, al modelar la red neuronal , es necesario modelar con precisión una red in vivo , mediante la recopilación en vivo de coeficientes de "ruido" que pueden usarse para refinar la inferencia estadística y la extrapolación a medida que aumenta la complejidad del sistema. [11]
La evolución natural es una buena analogía con este método: las reglas de la evolución ( selección , recombinación /reproducción, mutación y, más recientemente, transposición ) son en principio reglas simples, pero a lo largo de millones de años han producido organismos notablemente complejos. Una técnica similar se utiliza en algoritmos genéticos .
La computación inspirada en el cerebro se refiere a modelos y métodos computacionales que se basan principalmente en el mecanismo del cerebro, en lugar de imitarlo por completo. El objetivo es permitir que la máquina realice diversas capacidades cognitivas y mecanismos de coordinación de los seres humanos de una manera inspirada en el cerebro y, finalmente, alcance o supere el nivel de inteligencia humana.
Los investigadores de inteligencia artificial ahora son conscientes de los beneficios de aprender del mecanismo de procesamiento de información del cerebro. Y el progreso de la ciencia del cerebro y la neurociencia también proporciona la base necesaria para que la inteligencia artificial aprenda del mecanismo de procesamiento de información del cerebro. Los investigadores del cerebro y la neurociencia también están tratando de aplicar la comprensión del procesamiento de información del cerebro a una gama más amplia de campos científicos. El desarrollo de la disciplina se beneficia del impulso de la tecnología de la información y la tecnología inteligente y, a su vez, el cerebro y la neurociencia también inspirarán a la próxima generación de transformación de la tecnología de la información.
Los avances en el cerebro y la neurociencia, especialmente con la ayuda de nuevas tecnologías y nuevos equipos, ayudan a los investigadores a obtener evidencia biológica del cerebro a múltiples escalas y tipos a través de diferentes métodos experimentales, y están tratando de revelar la estructura de la biointeligencia a partir de diferentes aspectos y bases funcionales. Desde las neuronas microscópicas, los mecanismos de trabajo sinápticos y sus características, hasta el modelo de conexión de red mesoscópica , los vínculos en el intervalo cerebral macroscópico y sus características sinérgicas, la estructura multiescala y los mecanismos funcionales de los cerebros derivados de estos estudios experimentales y mecanicistas Proporcionan una inspiración importante para construir un futuro modelo informático inspirado en el cerebro. [12]
En términos generales, un chip inspirado en el cerebro se refiere a un chip diseñado con referencia a la estructura de las neuronas del cerebro humano y al modo cognitivo del cerebro humano. Obviamente, el " chip neuromórfico " es un chip inspirado en el cerebro que se centra en el diseño de la estructura del chip con referencia al modelo de neurona del cerebro humano y su estructura tisular, lo que representa una dirección importante en la investigación de chips inspirados en el cerebro. Junto con el surgimiento y desarrollo de los “planes cerebrales” en varios países, ha surgido una gran cantidad de resultados de investigación sobre chips neuromórficos, que han recibido una amplia atención internacional y son bien conocidos por la comunidad académica y la industria. Por ejemplo, SpiNNaker y BrainScaleS, respaldados por la UE , Neurogrid de Stanford , TrueNorth de IBM y Zeroth de Qualcomm .
TrueNorth es un chip inspirado en el cerebro que IBM ha estado desarrollando durante casi 10 años. El programa estadounidense DARPA ha estado financiando a IBM para desarrollar chips de redes neuronales pulsadas para procesamiento inteligente desde 2008. En 2011, IBM desarrolló por primera vez dos prototipos de silicio cognitivo simulando estructuras cerebrales que podían aprender y procesar información como el cerebro. Cada neurona de un chip inspirado en el cerebro está interconectada con un paralelismo masivo. En 2014, IBM lanzó un chip de segunda generación inspirado en el cerebro llamado "TrueNorth". En comparación con los chips inspirados en el cerebro de primera generación, el rendimiento del chip TrueNorth ha aumentado drásticamente y el número de neuronas ha aumentado de 256 a 1 millón; el número de sinapsis programables ha aumentado de 262.144 a 256 millones; Operación subsináptica con un consumo total de energía de 70 mW y un consumo de energía de 20 mW por centímetro cuadrado. Al mismo tiempo, TrueNorth maneja un volumen nuclear de sólo 1/15 del de la primera generación de chips cerebrales. En la actualidad, IBM ha desarrollado un prototipo de computadora neuronal que utiliza 16 chips TrueNorth con capacidades de procesamiento de video en tiempo real. [13] Los indicadores súper altos y la excelencia del chip TrueNorth han causado un gran revuelo en el mundo académico al comienzo de su lanzamiento.
En 2012, el Instituto de Tecnología Informática de la Academia de Ciencias de China (CAS) y el Inria francés colaboraron para desarrollar el primer chip del mundo compatible con la arquitectura del procesador de red neuronal profunda "Cambrian". [14] La tecnología ha ganado las mejores conferencias internacionales en el campo de la arquitectura informática, ASPLOS y MICRO, y su método de diseño y rendimiento han sido reconocidos internacionalmente. El chip puede utilizarse como un destacado representante de la dirección de investigación de chips inspirados en el cerebro.
El cerebro humano es producto de la evolución. Aunque su estructura y mecanismo de procesamiento de información se optimizan constantemente, los compromisos en el proceso de evolución son inevitables. El sistema nervioso craneal es una estructura de múltiples escalas. Todavía existen varios problemas importantes en el mecanismo de procesamiento de la información en cada escala, como la estructura de conexión fina de las escalas neuronales y el mecanismo de retroalimentación a escala cerebral. Por lo tanto, incluso un cálculo exhaustivo del número de neuronas y sinapsis es sólo 1/1000 del tamaño del cerebro humano, y todavía es muy difícil de estudiar al nivel actual de la investigación científica. [15] Los avances recientes en la simulación cerebral vincularon la variabilidad individual en la velocidad de procesamiento cognitivo humano y la inteligencia fluida con el equilibrio de la excitación y la inhibición en las redes cerebrales estructurales , la conectividad funcional , la toma de decisiones en la que el ganador se lo lleva todo y la memoria de trabajo del atractor . [dieciséis]
En la investigación futura del modelo de computación cognitiva del cerebro, es necesario modelar el sistema de procesamiento de información del cerebro basándose en los resultados del análisis de datos del sistema neuronal del cerebro a múltiples escalas, construir un modelo de computación de redes neuronales de múltiples escalas inspirado en el cerebro y simular múltiples modalidades. del cerebro en múltiples escalas. Capacidad de comportamiento inteligente como la percepción, el autoaprendizaje y la memoria, y la elección. Los algoritmos de aprendizaje automático no son flexibles y requieren datos de muestra de alta calidad etiquetados manualmente a gran escala. Los modelos de entrenamiento requieren una gran sobrecarga computacional. La inteligencia artificial inspirada en el cerebro todavía carece de capacidad cognitiva avanzada y capacidad de aprendizaje inferencial.
La mayoría de los chips inspirados en el cerebro existentes todavía se basan en la investigación de la arquitectura de von Neumann, y la mayoría de los materiales de fabricación de chips todavía utilizan materiales semiconductores tradicionales. El chip neuronal sólo toma prestada la unidad más básica de procesamiento de información cerebral. Los sistemas informáticos más básicos, como el almacenamiento y la fusión computacional, el mecanismo de descarga de pulsos, el mecanismo de conexión entre neuronas, etc., y el mecanismo entre unidades de procesamiento de información de diferentes escalas no se han integrado en el estudio de la arquitectura informática inspirada en el cerebro. Actualmente, una tendencia internacional importante es desarrollar componentes de computación neuronal como memristores cerebrales, contenedores de memoria y sensores sensoriales basados en nuevos materiales como los nanómetros, apoyando así la construcción de arquitecturas informáticas más complejas inspiradas en el cerebro. El desarrollo de computadoras inspiradas en el cerebro y sistemas de computación cerebral a gran escala basados en el desarrollo de chips inspirados en el cerebro también requiere un entorno de software correspondiente para respaldar su amplia aplicación.
{{cite book}}: |journal=ignorado ( ayuda )(Lo siguiente se presenta en orden ascendente de complejidad y profundidad, y se sugiere a los nuevos en el campo que comiencen desde arriba)