Inicio
A pesar de los avances logrados en la construcción de computadoras sofisticadas y máquinas
inteligentes, éstas no son competidoras reales —al menos, por ahora— para el cerebro humano en
ciertas tareas de la vida cotidiana, tales como las relacionadas con percepción visual y auditiva o
reconocimiento de patrones y aprendizaje.
Aunque no todos los sistemas inteligentes se basan en principios biológicos, la eficiencia, robustez
y precisión observadas en ellos ha motivado una investigación profunda para elucidar estos
mecanismos.
Si bien la comprensión del cerebro es aún uno de los desafíos más grandes, su organización y
principios de representación, comunicación y procesamiento de información son una fuente de
inspiración para el diseño de tecnologías emergentes y futuras.
Se sabe que el cerebro está organizado y procesa la información de una forma radicalmente
diferente de una computadora, pues éste no ejecuta secuencialmente instrucciones codificadas en
una unidad central de procesamiento; en cambio, activa concurrentemente conexiones o sinapsis
entre una miríada de neuronas, como respuesta a los estímulos recibidos. Dado que cada activación
puede considerarse equivalente a la ejecución de una instrucción y que el cerebro humano contiene
alrededor de 100 mil millones de neuronas, cada una recibiendo conexiones de miles de otras
neuronas, su capacidad computacional es excepcional.
Ingeniería Neuromórfica
Fisiología, neurobiología, neurociencias computacionales y otras disciplinas afines han
convergido en el desarrollo de modelos sofisticados para describir, tanto mecanismos neuronales
elementales (escala microscópica) como comportamientos emergentes en el cerebro (escala
macroscópica). Por otro lado, la ingeniería neuromórfica —término acuñado por el profesor carver
mead, del instituto tecnológico de california (caltech, eua)— aplica este conocimiento al diseño de
hardware especializado que imita, tanto la funcionalidad como la organización neuronal, a fin de
realizar una gran cantidad de cómputos en intervalos de tiempo cortos y con un consumo de energía
reducido.1 la figura 1 muestra un diagrama conceptual del paradigma de la ingeniería
neuromórfica, la cual desarrolla sistemas electrónicos y computacionales para resolver problemas
específicos que, usualmente, implican una tarea sensomotora.
En un principio, las implementaciones de modelos neuronales se hacían en circuitos analógicos,
los cuales manipulan señales continuas con un reducido consumo de energía; sin embargo,
recientemente se han incorporado circuitos digitales, basados en señales discretas, a fin de
proporcionar flexibilidad y escalabilidad a las implementaciones puramente analógicas. La
capacidad de implementación digital está relacionada con el acceso a dispositivos reconfigurables;
circuitos que integran miles de módulos de lógica digital con interconexiones configurables, cuya
funcionalidad se define mediante metodologías de desarrollo de software.
El hardware reconfigurable es una buena opción para hacer prototipos e implementar sistemas
neuromórficos, ya que permite definir arquitecturas de gran complejidad (paralelismo masivo,
procesamiento jerárquico…), así como mecanismos de adaptación, plasticidad y aprendizaje —
operaciones difíciles de lograr en una implementación puramente analógica—, en un chip.
Neuronas y potenciales de acción
Las neuronas tienen características fisiológicas muy complejas, pero se ha mostrado que éstas
representan, comunican y procesan la información mediante pequeños pulsos eléctricos en el
tiempo, conocidos como potenciales de acción. La figura 2 muestra el diagrama conceptual de una
neurona y el perfil temporal típico de un pulso al ser disparado por ésta.
Los estímulos externos recibidos por una neurona son acumulados en el llamado potencial de
membrana, el cual, al alcanzar un umbral, provoca que la neurona genere un pulso transmisible a
otras neuronas en forma de mensajes o información procesada.
Al emitir el pulso, la neurona se polariza bruscamente; es decir, el potencial de membrana retorna
a un valor mínimo y, en este estado, la neurona es incapaz de responder a los estímulos recibidos.
Las sinapsis entre las neuronas permiten que los potenciales de acción pasen (y, en tal caso, esto
ocurre por tratarse de sinapsis excitadoras) o no (sinapsis inhibidoras), de unas neuronas a otras.
Las sinapsis permiten a las neuronas del sistema nervioso conectarse y formar circuitos o redes,
para estimularse unas a otras; así, la suma de procesos de todos los microcircuitos neuronales
genera el funcionamiento cerebral. La representación y comunicación de la información mediante
pulsos es extremadamente eficiente, desde una perspectiva de hardware, pues reduce la cantidad
de canales de comunicación necesarios para transmitir los pulsos, no satura los canales y permite
lograr altas tasas de conectividad entre las neuronas. Este último aspecto es relevante, dado que es
tanto el número de neuronas como la conectividad entre ellas lo que hace del cerebro una estructura
enormemente eficiente y difícil de replicar a nivel de hardware.
Chips con Visión Neuromórfica
De entre todos los sentidos, la visión es uno de los más importantes para la supervivencia humana,
por lo que una gran porción de nuestro cerebro se dedica al procesamiento de la información visual.
En consecuencia, la ingeniería neuromórfica ha concentrado sus esfuerzos en el desarrollo de chips
de percepción visual.2
En nuestro equipo de trabajo —adscrito al cinvestav, tamaulipas, bajo el paradigma de la ingeniería
neuromórfica— desarrollamos algunos proyectos, cuyo objetivo es la implementación compacta
de módulos de control de locomoción, percepción visual y aprendizaje, que puedan ser integrados
en un robot, a fin de proporcionarle autonomía e inteligencia. Si bien estos proyectos son parte de
los esfuerzos de una comunidad de investigación a nivel mundial, el desarrollo propuesto aquí es
innovador, pues busca que el hardware neuronal —sistema masivamente paralelo— sea flexible
y capaz de reprogramarse, a fin de emular el proceso de aprendizaje.
En estos proyectos consideramos diferentes aspectos de percepción visual que permiten el análisis,
en tiempo real, del ambiente visual del robot, tales como la estimación de movimiento3 y la
segmentación e identificación de objetos,4 a partir de imágenes. En particular, se ha diseñado un
circuito neuromórfico para la segmentación de objetos en una imagen, derivados de modelos que
se basan en la codificación temporal y la sincronización de oscilaciones neuronales observadas en
la corteza visual.
Segmentación de Objetos, Un Caso de Estudio
Un atributo fundamental de la percepción visual en el ser humano es la habilidad de agrupar
elementos de una escena en objetos coherentes, también conocida como segmentación de objetos,
de forma rápida y sin esfuerzo considerable. Si bien los mecanismos de organización de las
percepciones en el cerebro son aún un misterio, estudios experimentales y teóricos han mostrado
que neuronas presentes en regiones específicas de la corteza visual tienden a sincronizar su
actividad (emisión de pulsos), al recibir estímulos con características similares en una imagen; esto
es, las neuronas asociadas a pixeles de un mismo objeto tienden a sincronizarse.5
Uno de los modelos propuestos, basado en esta teoría de sincronización temporal, es la
denominada red de osciladores de excitación local e inhibición global (legion, por sus siglas en
inglés).6 legion, conceptualmente, consiste en una matriz de osciladores neuronales que, en
términos simples, pueden considerarse como pares de neuronas mutuamente acopladas, donde
cada oscilador recibe, como estímulo externo, un pixel de la imagen (figura 3). Los osciladores se
agrupan mediante la sincronización de sus actividades gracias a conexiones locales con sus
vecinos, y un grupo se diferencia de otros mediante inhibición global (objetos mostrados en colores
diferentes en la figura 3).
En términos de implementación en hardware, una neurona es modelada como un circuito
acumulador —que integra o acumula los estímulos de otras neuronas—, y como un comparador
que genera un pulso, cuando el potencial de membrana alcanza un umbral determinado. El empleo
de circuitos aritméticos relativamente simples, para modelar una neurona, da como resultado una
implementación completamente paralela, en un mismo dispositivo reconfigurable, capaz de
procesar secuencias de imágenes de baja resolución.
La implementación del modelo legion puede usarse en diversas aplicaciones de visión por
computadora y, gracias a su velocidad de procesamiento y área reducida, resulta atractivo para ser
aplicado en sistemas de robótica móvil, particularmente, en tareas de navegación autónoma (figura
4). Más aún, esta implementación podría emplearse en proyectos prometedores, como los
vehículos no tripulados y automóviles autónomos que se conduzcan solos de forma fiable en
ambientes no controlados, o como parte esencial de un sistema de vigilancia, a partir del análisis
de secuencias de imágenes.
En última instancia, la ingeniería neuromórfica intenta construir computación, como la del cerebro,
para lograr otras implicaciones prácticas importantes, tales como el desarrollo de retinas artificiales
orientadas, por ejemplo, a lograr que los ciegos recuperen parcialmente su visión, o el diseño de
sistemas robóticos antropomórficos controlados por la actividad cerebral, para apoyar la
rehabilitación de parapléjicos.
Los sistemas neuromórficos proporcionan nuevas perspectivas para el diseño de máquinas
inteligentes, por lo que impulsan el análisis y la proyección de circuitos, capaces de modular
funciones básicas del cerebro biológico, y replicar el proceso de percepción visual de modelos
simplificados.
A pesar de los resultados alentadores, los chips descritos están aún muy lejos de la complejidad
del cerebro humano, y lo más probable es que éstos se usen en colaboración con computadoras
convencionales, para llevar a cabo tareas concretas; no obstante, sus alcances e implicaciones, en
un futuro, se deben debatir e investigar, dado que la aplicación de este tipo de tecnologías en el
mundo real, por ejemplo, en cuestiones militares, puede ser un tema sensible.