En la Universidad de Indiana, un equipo liderado por Feng Guo ha logrado un avance significativo en el campo de la informática con la creación de Brainoware, una computadora revolucionaria capaz de reconocimiento de voz y predicción de ecuaciones no lineales. Este logro representa un hito en la evolución de la arquitectura informática conocida como computación neuromórfica, marcando el camino hacia un futuro donde las máquinas se asemejen más a la complejidad y eficiencia del cerebro humano.
Imitando la Mente: Chips de Silicio y Organoides Cerebrales
En el intento de replicar las capacidades del cerebro, los investigadores diseñaron chips de silicio que combinan ‘hardware’ y algoritmos, imitando la estructura y el funcionamiento del órgano. Sin embargo, se enfrentaron a desafíos como el alto consumo de energía y el tiempo prolongado requerido para el entrenamiento con redes neuronales artificiales. Estos dispositivos, basados en principios electrónicos digitales, se encontraron con limitaciones que Brainoware ha superado con ingenio y creatividad.
El Funcionamiento Intrincado de Brainoware
Guo y su equipo utilizaron tejido cerebral humano real cultivado en laboratorio a partir de células madre pluripotentes. Estas células se organizaron en minicerebros tridimensionales, denominados organoides, conectados mediante microelectrodos de alta densidad para formar una red neuronal artificial, conocida como computación de reservorio. Este enfoque, combinado con ‘hardware’ informático convencional en las capas de entrada y salida, llevó a la creación de Brainoware.
El proceso implica que la capa de salida lee datos neuronales, realiza clasificaciones o predicciones, mientras la estimulación eléctrica transporta información al reservorio del organoide. Allí, el Brainoware procesa la información antes de devolver sus cálculos en forma de actividad neuronal a la capa de salida. Este método innovador demuestra la capacidad del Brainoware para realizar tareas complejas con eficiencia.
Demostración de Habilidad: Identificación de Voz y Predicción de Mapas Dinámicos
En una tarea inicial, los investigadores desafiaron al Brainoware con clips de audio emitidos por hablantes japoneses. Tras un breve entrenamiento de dos días, la computadora pudo identificar a cada hablante con un impresionante 78 % de precisión. Además, se evaluó la capacidad predictiva del Brainoware utilizando un mapa de Hénon, un sistema dinámico caótico. Después de cuatro días de aprendizaje sin supervisión, el Brainoware demostró su habilidad al predecir el mapa con mayor precisión que una red neuronal artificial sin unidad de memoria a corto plazo.
Desafíos y Críticas Éticas
Aunque el Brainoware ha logrado avances notables, sus creadores reconocen los desafíos. Mantener la salud de los organoides y gestionar el consumo de energía de los equipos periféricos son consideraciones cruciales. Investigadores externos, como los de la Universidad Johns Hopkins, destacan las implicaciones éticas de utilizar tejido neural humano en sistemas bioinformáticos avanzados.
En conclusión, el Brainoware representa un paso crucial hacia la computación neuromórfica, superando obstáculos y demostrando su capacidad en tareas complejas. Aunque enfrenta desafíos, este avance puede proporcionar valiosos conocimientos sobre el aprendizaje, el desarrollo neuronal y las implicaciones cognitivas de las enfermedades neurodegenerativas.
Fuente: RT
