La Conferencia de Dartmouth (Dartmouth Summer Research Project on Artificial Intelligence) es el nombre del encuentro que tuvo lugar en el verano de 1956 en el Dartmouth College, considerado como el evento germen de la Inteligencia Artificial (IA) como esfera o campo de actividad.
La primera generación de IA se basó en reglas y emuló la lógica clásica para sacar conclusiones razonadas dentro de un dominio de problema específico y estrechamente definido. La segunda generación, la actual, se ocupa, en gran medida, de la sensación y la percepción. La próxima generación extenderá la IA a áreas que corresponden a la cognición humana. Esto es fundamental para superar la llamada fragilidad de las soluciones de IA basadas en el entrenamiento y la inferencia de redes neuronales, que dependen de visiones literales y deterministas de los eventos que carecen de contexto y comprensión de sentido común.
La IA de próxima generación debe poder abordar situaciones novedosas y abstracciones para automatizar las actividades humanas ordinarias.
Los desafíos clave en la investigación neuromórfica son hacer coincidir la flexibilidad humana y la capacidad de aprender de estímulos no estructurados con la eficiencia energética del cerebro humano. Los componentes computacionales de los sistemas informáticos neuromórficos son lógicamente análogos a las neuronas.
Redes neuronales artificiales
Las redes neuronales de impulsos (Spiking Neural Networks) son un tipo de redes neuronales artificiales más realistas que las redes neuronales artificiales clásicas, es decir, procesan la información de una forma más similar a las redes neuronales biológicas, e incluyen el concepto de tiempo en la simulación.
Cada neurona del Spiking Neural Networks (SNN) puede activarse independientemente de las demás y, al hacerlo, envía señales pulsadas a otras neuronas de la red que cambian directamente los estados eléctricos de esas neuronas. Al codificar información dentro de las señales mismas y su sincronización, los SNN simulan procesos de aprendizaje naturales reasignando dinámicamente las sinapsis entre neuronas artificiales en respuesta a estímulos.
Investigadores del Centro Internacional de Sistemas Neuromórficos (ICNS), de la Universidad de Western Sydney, han anunciado -hace unos días- la primera supercomputadora del mundo capaz de simular redes a escala del cerebro humano.
DeepSouth utiliza un sistema neuromórfico que imita procesos biológicos, utilizando hardware para emular eficientemente grandes redes de neuronas activas a 228 billones de operaciones sinápticas por segundo, lo que rivaliza con la tasa estimada de operaciones en el cerebro humano.
Con sólo 20 vatios de potencia, el cerebro humano es capaz de procesar el equivalente a un exaflop, o mil millones de millones -un billón- de operaciones matemáticas por segundo. Su esperanza es comprender mejor cómo los cerebros pueden utilizar tan poca energía para procesar enormes cantidades de información.
Si los investigadores logran resolver esto, algún día podrían crear un cerebro cíborg mucho más poderoso que el nuestro. El trabajo también podría revolucionar nuestra comprensión de cómo funciona nuestro cerebro.
“El progreso en nuestra comprensión de cómo el cerebro computa utilizando neuronas se ve obstaculizado por nuestra incapacidad para simular redes similares al cerebro a escala”, dice André van Schaik, director del ICNS.
‘DeepSouth’
La supercomputadora se llama acertadamente DeepSouth, en homenaje al sistema TrueNorth de IBM, que inició esfuerzos para construir máquinas que simulen grandes redes de neuronas que se disparan, y a Deep Blue, que fue la primera computadora en convertirse en campeona mundial de ajedrez.
El nombre también es un guiño a su ubicación geográfica. DeepSouth tendrá su sede en la Universidad Western Sydney y es un contribuyente clave al crecimiento de la región como centro de alta tecnología. DeepSouth pretende estar operativo en abril de 2024.
Ralph Etienne-Cummings, de la Universidad Johns Hopkins, en Baltimore, que no participa en el trabajo, dijo a New Scientist que DeepSouth cambiará las reglas del juego para el estudio de la neurociencia. “Si estás tratando de entender el cerebro, este será el hardware para hacerlo”, dijo. Etienne-Cummings comentó que habrá dos tipos principales de investigadores que estarán interesados en la tecnología: los que estudian neurociencia y los que quieren crear prototipos de nuevas soluciones de ingeniería en el espacio de la IA.
DeepSouth es sólo uno de los muchos proyectos de investigación que tienen como objetivo crear una máquina que rivalice con el cerebro humano. Otros investigadores están intentando abordar el mismo problema creando computadoras biológicas alimentadas por células cerebrales reales.
