Las supercomputadoras, piezas fundamentales de muchos proyectos centrados en el desarrollo de sistemas de inteligencia artificial, son herramientas altamente caras. Dada su baja asequibilidad, traducida en precios de decenas de millones de dólares en algunos casos, este recurso no está siempre a la mano de cualquier equipo de investigación.
De la mano de un equipo de investigación de la Universidad de Sussex, fue presentado el modelo de un sistema que a través del uso de la unidad de procesamiento gráfico de un ordenador (tarjeta de vídeo o GPU), puede convertir ordenadores de escritorio comunes en una alternativa potenciada para reemplazar aquellos particulares equipos que no son de fácil acceso.
Una solución orientada a la simulación del funcionamiento del cerebro
El abanico de opciones de aplicación de la inteligencia artificial como solución es cada vez más amplio, así como también lo son las posibilidades de uso de una supercomputadora.
La propuesta del equipo de Sussex se centra en un uso particular: la simulación del cerebro de los mamíferos a través de un sistema de aprendizaje automático. Esto, con el objetivo de comprender de mejor forma la función del cerebro y su dinámica de acción.
Como dato contextual, la investigación que sustenta esta iniciativa fue presentada señalando que los mamíferos pequeños, como los ratones, tienen en el orden de 1 × 1012 conexiones sinápticas que mueven un flujo de datos equivalente a varios terabytes de datos, un requisito de memoria inalcanzable un solo equipo de escritorio común, bajo condiciones normales.
Como una opción más accesible y asequible para realizar simulaciones de este tipo, prescindiendo de costosas supercomputadoras, fue presentado un simulador de red neuronal acelerado por la GPU de un ordenador. Este sistema permite generar conectividad a través de procesos y pesos sinápticos en tiempo real.
Las GPU fueron consideradas adecuadas para esta iniciativa por los investigadores que la ejecutaron, a causa de su potencia computacional, los bajos costos en su implementación y el reducido consumo de energía que conlleva, en promedio 10 veces menor que una supercomputadora de alta factura.
Esta iniciativa no es del todo nueva. En 2006, Eugene Izhikevich desarrolló un sistema similar, orientado a la simulación cerebral a gran escala. Aquel trabajo fue tomado como punto de partida para presentar una versión más moderna de esta iniciativa, pero basada en aquella referencia.
El principal ejercicio ejecutado para demostrar el potencial de esta propuesta fue la ejecución de la simulación de un modelo de la corteza visual de un macaco, que consta de 4,13 × 106 neuronas y 24,2 × 109 sinapsis. Para conseguirlo, fue necesario usar sólo una GPU y según las conclusiones compartidas, las tareas se ejecutaron hasta un 35 % más rápido bajo estas configuraciones, comparado con el rendimiento promedio de una supercomputadora de gama alta con más de 1000 nodos.
Actualmente, el trabajo con supercomputadoras en investigaciones y ejercicios de esta categoría, son sólo asequibles para instituciones de gran tamaño y agencias gubernamentales. Con la liberación de esta propuesta, podrían surgir nuevos avances en materia de IA desde instancias ajenas al área de la comunidad científica que goza de más solvencia.
Los detalles técnicos de este proyecto fueron publicados en un artículo de la revista Nature. Sin embargo, su acceso se limita únicamente a los usuarios suscritos a su plataforma. Como alternativa, también está disponible bajo libre acceso una versión preliminar del informe, antes de recibir su correspondiente certificación.