Durante décadas, investigadores han desarrollado redes neuronales artificiales que pueden imitar los métodos usados por sus contrapartes humanas para establecer conexiones entre neuronas individuales en diversos grados. Dependiendo del entrenamiento aplicado sobre estos sistemas, de manera autónoma son capaces de determinar qué neuronas se comunican especialmente bien entre sí para, por ejemplo, reconocer objetos, categorizar imágenes o escribir textos de forma independiente.
Investigadores de la Technische Universität Berlin (TU Berlin), lograron simular una red neuronal de miles de células nerviosas en una computadora con una sola neurona programada en el código del software.
Una red neuronal compacta, pero eficiente
En nuestro cerebro, son alredededor de 86 mil millones de células nerviosas las que aseguran que podamos realizar proezas mentales extraordinarias. en comparación con el resto del reino animal. Estas neuronas están interconectadas por sinapsis y se enlazan en una vasta red a través de la transmisión de señales eléctricas y químicas.
Aunque ya es posible programar miles de millones de neuronas en supercomputadoras, las implementaciones de hardware más recientes solo han logrado unas pocas miles de células nerviosas artificiales por ahora.
Empleando el enfoque desarrollado por los investigadores de TU Berlin, la solución para ambos desafíos podría radicar en el uso de una sola neurona que asuma el papel de todas las neuronas en una red neuronal, a través de un ciclo de retroalimentación de entrada/salida con retraso en el tiempo, que podría implicar además una reducción del consumo energético usualmente empleado.
Según los mismos investigadores, en palabras sencillas, esto sería similar a contar con un solo invitado en una sala, que simula la conversación en una gran mesa cambiando de asiento rápidamente y hablando cada parte. Los circuitos de retardo especiales registran el estado de la neurona, lo modulan adecuadamente y devuelven la señal retardada resultante.
“Ahora hemos demostrado con la computadora que esto es posible en principio. Los circuitos basados en láser serían particularmente adecuados para la implementación en hardware, porque son tan rápidos que los retrasos de tiempo son particularmente cortos”, explica Florian Stelzer, autor principal del estudio.
En este concepto, la distancia espacial regular entre dos neuronas en la red sería reemplazada por un retardo de tiempo. “La opción de influir en la fuerza de las conexiones neuronales individuales, que es esencial para el entrenamiento, se puede lograr manipulando aún más los retrasos de tiempo”, continúa Stelzer.
Una novedad destacada es que este sistema puede aprender nuevas cosas como resultado de los retrasos de tiempo cambiantes. Los investigadores se refieren a esto como una “Red Neuronal Profunda Plegada en el Tiempo”. En su modelo informático, su solución ya logró dominar una tarea típica de las redes neuronales: fue capaz de reconstruir imágenes de prendas de vestir que se habían vuelto irreconocibles a través del ruido superpuesto.
Además de claras mejoras prácticas en los sistemas de IA, una mayor investigación de la red neuronal plegada en el tiempo podría ofrecer información adicional. Si se acorta aún más el tiempo de retraso entre dos neuronas «ubicadas» directamente una al lado de la otra, teóricamente sería posible crear un número ilimitado de neuronas, explica Serhiy Yanchuk.
Tal enfoque permitiría soluciones completamente nuevas en el futuro para integrar neuronas artificiales directamente en componentes de hardware, como a través de componentes de construcción optoelectrónicos. El hardware de IA que utiliza este método también podría ahorrar energía y, por lo tanto, ser más respetuoso con el medio ambiente, ya que requiere menos energía. Estos resultados se publicaron recientemente como «Destacado de los editores» en Nature Communications.
“Esta es una característica completamente nueva de las redes plegadas en el tiempo y que logra la transición de nodos individuales discretos en la red a una especie de continuo. A lo que esto podría llevar todavía está abierto”, destacó Yanchuk. Varios grupos de trabajo internacionales de física e informática ya han anunciado sus planes para implementar esta nueva red neuronal lo más rápido posible, incluso como circuitos de hardware.
Los investigadores atribuyen su éxito a la composición interdisciplinaria de su equipo de matemáticos, físicos e informáticos. El equipo incluía investigadores de la Universidad de Tartu en Estonia, así como de la Universidad de las Islas Baleares en Palma de Mallorca.