Una computadora cognitiva es una computadora que integra inteligencia artificial y algoritmos de aprendizaje automático en un circuito integrado que reproduce fielmente el comportamiento del cerebro humano. [1] Generalmente adopta un enfoque de ingeniería neuromórfica . Los sinónimos incluyen chip neuromórfico y chip cognitivo . [2] [3]
En 2023, el chip NorthPole de prueba de concepto de IBM (optimizado para precisión de 2, 4 y 8 bits) logró un rendimiento notable en el reconocimiento de imágenes . [4]
En 2013, IBM desarrolló Watson , una computadora cognitiva que utiliza redes neuronales y técnicas de aprendizaje profundo . [5] Al año siguiente, desarrolló la arquitectura de microchip TrueNorth 2014 [6] que está diseñada para ser más cercana en estructura al cerebro humano que la arquitectura von Neumann utilizada en computadoras convencionales. [1] En 2017, Intel también anunció su versión de un chip cognitivo en "Loihi, que pretendía que estuviera disponible para laboratorios universitarios y de investigación en 2018. Intel (sobre todo con sus sistemas Pohoiki Beach y Springs [7] [8] ), Qualcomm y otros están mejorando los procesadores neuromórficos de forma constante.
TrueNorth fue un circuito integrado CMOS neuromórfico producido por IBM en 2014. [9] Es un diseño de red en chip de procesador multinúcleo , con 4096 núcleos , cada uno con 256 neuronas simuladas programables para un total de poco más de un millón de neuronas. A su vez, cada neurona tiene 256 " sinapsis " programables que transmiten las señales entre ellas. Por lo tanto, el número total de sinapsis programables es de poco más de 268 millones (2 28 ). Su recuento básico de transistores es de 5.4 mil millones.
La memoria, el cálculo y la comunicación se gestionan en cada uno de los 4096 núcleos neurosinápticos, TrueNorth evita el cuello de botella de la arquitectura de von Neumann y es muy eficiente energéticamente, con IBM afirmando un consumo de energía de 70 milivatios y una densidad de potencia que es 1/10.000 de los microprocesadores convencionales. [10] El chip SyNAPSE funciona a temperaturas y energía más bajas porque solo consume la energía necesaria para el cálculo. [11] Los Skyrmions se han propuesto como modelos de la sinapsis en un chip. [12] [13]
Las neuronas se emulan utilizando un modelo de integración y disparo con fugas lineales (LLIF), una simplificación del modelo de integración y disparo con fugas . [14]
Según IBM, no tiene reloj , [15] opera con números unarios y realiza los cálculos contando hasta un máximo de 19 bits. [6] [16] Los núcleos están controlados por eventos mediante el uso de lógica sincrónica y asincrónica, y están interconectados a través de una red en malla asincrónica de conmutación de paquetes en chip (NOC). [16]
IBM desarrolló una nueva red para programar y utilizar TrueNorth. Incluía un simulador, un nuevo lenguaje de programación, un entorno de programación integrado y bibliotecas. [15] Esta falta de compatibilidad con cualquier tecnología anterior (por ejemplo, compiladores de C++) plantea graves riesgos de dependencia de un proveedor y otras consecuencias adversas que pueden impedir su comercialización en el futuro. [15] [ verificación fallida ]
En 2018, se utilizó un grupo de sistemas TrueNorth conectados en red a una computadora maestra en una investigación de visión estéreo que intentó extraer la profundidad de objetos que se movían rápidamente en una escena. [17]
En 2023, IBM lanzó su chip NorthPole, que es una prueba de concepto para mejorar drásticamente el rendimiento al entrelazar la computación con la memoria en el chip, eliminando así el cuello de botella de Von Neumann . Combina enfoques del sistema TrueNorth de IBM de 2014 con diseños de hardware modernos para lograr velocidades unas 4000 veces más rápidas que TrueNorth. Puede ejecutar tareas de reconocimiento de imágenes ResNet-50 o Yolo-v4 unas 22 veces más rápido, con 25 veces menos energía y 5 veces menos espacio, en comparación con las GPU que utilizan el mismo proceso de nodo de 12 nm con el que se fabricó. Incluye 224 MB de RAM y 256 núcleos de procesador y puede realizar 2048 operaciones por núcleo por ciclo con una precisión de 8 bits y 8192 operaciones con una precisión de 2 bits. Funciona a entre 25 y 425 MHz . [4] [18] [19] [20] Este es un chip de inferencia, pero aún no puede manejar GPT-4.
Pohoiki Springs es un sistema que incorpora el chip neuromórfico de autoaprendizaje de Intel, llamado Loihi, presentado en 2017, tal vez llamado así por el monte submarino hawaiano Lōʻihi . Intel afirma que Loihi es aproximadamente 1000 veces más eficiente energéticamente que los sistemas informáticos de propósito general utilizados para entrenar redes neuronales. En teoría, Loihi admite tanto el entrenamiento de aprendizaje automático como la inferencia en el mismo silicio independientemente de una conexión a la nube, y de manera más eficiente que las redes neuronales convolucionales o las redes neuronales de aprendizaje profundo . Intel apunta a un sistema para monitorear el latido del corazón de una persona, tomando lecturas después de eventos como hacer ejercicio o comer, y usando el chip para normalizar los datos y calcular el latido del corazón "normal". Luego puede detectar anomalías y lidiar con nuevos eventos o condiciones.
La primera iteración del chip se realizó utilizando el proceso de fabricación de 14 nm de Intel y alberga 128 grupos de 1.024 neuronas artificiales cada uno para un total de 131.072 neuronas simuladas. [21] Esto ofrece alrededor de 130 millones de sinapsis , mucho menos que los 800 billones de sinapsis del cerebro humano , y detrás del TrueNorth de IBM . [22] Loihi está disponible para fines de investigación entre más de 40 grupos de investigación académica como un factor de forma USB . [23] [24]
En octubre de 2019, investigadores de la Universidad Rutgers publicaron un artículo de investigación para demostrar la eficiencia energética de Loihi de Intel para resolver problemas de localización y mapeo simultáneos . [25]
En marzo de 2020, Intel y la Universidad de Cornell publicaron un artículo de investigación para demostrar la capacidad de Loihi de Intel para reconocer diferentes materiales peligrosos , lo que eventualmente podría ayudar a "diagnosticar enfermedades, detectar armas y explosivos , encontrar narcóticos y detectar señales de humo y monóxido de carbono ". [26]
El Loihi 2 de Intel, llamado Pohoiki Beach, se lanzó en septiembre de 2021 con 64 núcleos. [27] Cuenta con velocidades más rápidas, comunicaciones entre chips de mayor ancho de banda para una mejor escalabilidad, mayor capacidad por chip, un tamaño más compacto debido al escalado de procesos y una programabilidad mejorada. [28]
Hala Point incluye 1.152 procesadores Loihi 2 producidos en un nodo de proceso Intel 3 en un chasis de seis unidades de rack. El sistema admite hasta 1.150 millones de neuronas y 128.000 millones de sinapsis distribuidas en 140.544 núcleos de procesamiento neuromórfico, que consumen 2.600 vatios de energía. Incluye más de 2.300 procesadores x86 integrados para cálculos auxiliares.
Intel afirmó en 2024 que Hala Point era el sistema neuromórfico más grande del mundo. Utiliza chips Loihi 2. Se afirma que ofrece 10 veces más capacidad neuronal y hasta 12 veces más rendimiento.
Hala Point proporciona hasta 20 cuatrillones de operaciones por segundo (20 petaops), con una eficiencia que supera los 15 billones (8 bits) de operaciones S -1 W -1 en redes neuronales profundas convencionales.
Hala Point integra canales de procesamiento, memoria y comunicación en una estructura masivamente paralelizada, proporcionando 16 PB S -1 de ancho de banda de memoria, 3,5 PB S -1 de ancho de banda de comunicación entre núcleos y 5 TB S -1 de ancho de banda entre chips.
El sistema puede procesar sus 1.150 millones de neuronas 20 veces más rápido que un cerebro humano. Su capacidad neuronal es aproximadamente equivalente a la del cerebro de un búho o a la corteza de un mono capuchino .
Los sistemas basados en Loihi pueden realizar inferencias y optimizaciones utilizando 100 veces menos energía a velocidades hasta 50 veces más rápidas que las arquitecturas de CPU/GPU.
SpiNNaker (Spiking Neural Network Architecture) es una arquitectura de supercomputadora de múltiples núcleos y masivamente paralela diseñada por el Grupo de Investigación de Tecnologías de Procesadores Avanzados del Departamento de Ciencias de la Computación de la Universidad de Manchester . [29]
Los críticos sostienen que un ordenador del tamaño de una habitación –como en el caso de Watson de IBM– no es una alternativa viable a un cerebro humano de un kilo y medio. [30] Algunos también citan la dificultad que tiene un único sistema para reunir tantos elementos, como las distintas fuentes de información y recursos informáticos. [31]
En 2021, The New York Times publicó el artículo de Steve Lohr "¿Qué pasó con Watson de IBM?". [32] Escribió sobre algunos fracasos costosos de IBM Watson. Uno de ellos, un proyecto relacionado con el cáncer llamado Oncology Expert Advisor, [33] fue abandonado en 2016 por ser un fracaso costoso. Durante la colaboración, Watson no pudo utilizar los datos de los pacientes. Watson tuvo dificultades para descifrar las notas de los médicos y los historiales de los pacientes.