Para escribirle un poema a tu novia, GPT-4, un sistema de inteligencia artificial, requiere órdenes de magnitud más energía que tu cerebro.
Esto se debe a que la IA en realidad no funciona como el cerebro. Más bien, funciona como cualquier otro software informático inundando los microchips con enormes cantidades de señales binarias, en forma de ceros y unos, y consumiendo electricidad a lo largo del camino.
Kwabena Boahen, PhD, profesor de bioingeniería e ingeniería eléctrica, admira la eficiencia y elegancia del cerebro y ha dedicado su carrera a desarrollar una computadora que realmente funcione como tal. Recientemente, dio un paso importante en esa dirección con la creación de un transistor a nanoescala que emula una dendrita, una fibra delgada que sobresale de una célula nerviosa.
Se entiende ampliamente que las dendritas funcionan como cables para recibir las señales eléctricas que las células nerviosas o neuronas utilizan para comunicarse información entre sí. Sin embargo, Boahen y muchos otros científicos sospechan que las estructuras en forma de ramas hacen mucho más: a saber, decodifican patrones de señales para ayudar a las neuronas a determinar si deben «aumentarse» o transmitir sus propias señales.
Lo sorprendente, según Boahen, es cuánta información pueden transportar unos pocos picos neuronales con la ayuda de las dendritas para interpretarlas. Un chip de computadora que dependiera de una escasez análoga de señales podría generar importantes ahorros de energía, particularmente a la luz de las enormes demandas informáticas de la IA. Este tipo de chip también podría evitar el desafío de evitar que los microchips se sobrecalienten. Estos son objetivos que Boahen espera que el dispositivo que ha inventado, al que llama nanodendrita, algún día ayude a alcanzar.
«Hoy en día, las redes neuronales se parecen tanto a un cerebro como un avión a un pájaro».
Kwabena Boahen, PhD, profesora de bioingeniería e ingeniería eléctrica
La nanodendrita es producto de la computación neuromórfica, es decir, del diseño de hardware y software para que funcione como el cerebro. Es un campo floreciente, impulsado en gran medida por el deseo de mantenerse al día con las demandas informáticas de la IA y reducir las enormes cantidades de energía que consume. Empresas tecnológicas como IBM, Intel y HP, así como varias universidades, han invertido tiempo y dinero para desarrollar microchips neuromórficos.
Boahen es uno de los pioneros en este campo. Diseñó su primer chip neuromórfico cuando era estudiante en la década de 1980. Después de unirse a la facultad de Stanford en 2006, propuso Neurogrid, una placa de circuito que simularía 1 millón de neuronas con 6 mil millones de sinapsis, las estructuras por donde pasan las señales entre neuronas.
Su laboratorio, Brains in Silicon, completó el proyecto en 2010 e informó sobre él en 2014 en Actas del Instituto de Ingenieros Eléctricos y Electrónicos . Boahen y sus coautores observaron que Neurogrid era aproximadamente 100.000 veces más eficiente energéticamente que la simulación de 1 millón de neuronas realizada por una computadora convencional. Sin embargo, también observaron que un cerebro humano, con 80.000 veces más neuronas, sólo necesita tres veces más energía. Boahen espera que la nanodendrita ayude a cerrar esa brecha.
Decepcionado por la informática
Cuando era niño y crecía en las afueras de Accra, la capital de Ghana, Boahen estaba interesado en aprender los primeros principios. Desmontó motores y electrónica. Construyó un microscopio. «Sólo quería saber, a mi manera, cómo funcionaban las cosas, entenderlas y tratar de recrearlas», dijo.
A principios de la década de 1980, su padre, profesor de historia en la Universidad de Ghana, regresó de un año sabático en Inglaterra con una computadora de escritorio. Boahen dudaba en desmontarlo. «Me sentí demasiado intimidado por esto», dijo. “Así que fui a la biblioteca y leí todo sobre cómo funciona una computadora: ya sabes, sobre la memoria, la RAM, el contador de programas, cómo realizar una instrucción de bifurcación. Y no me impresionó en absoluto. Pensé que era fuerza bruta, solo un montón de circuitos. Tenía que haber una manera más elegante”.
Como estudiante de la Universidad Johns Hopkins, Boahen vislumbró lo que podría ser ese camino cuando asistió a una charla de un biofísico que demostró cómo entrenar una red neuronal, un tipo de IA que puede aprender de sus errores. Estaba enganchado.
Después de obtener una licenciatura y una maestría en ingeniería eléctrica en Hopkins, se inscribió en un programa de posgrado en el Instituto de Tecnología de California, donde obtuvo un doctorado en computación y sistemas neuronales.
Dijo que aunque la ingeniería neuromórfica ha logrado grandes avances en las últimas dos décadas, el campo sigue siendo en gran medida aspiracional, especialmente cuando se trata de diseñar sistemas que imiten la arquitectura del cerebro en lugar de simplemente inspirarse en el cerebro.
«Hoy en día, las redes neuronales son tan similares a un cerebro como un avión a un pájaro», dijo.
Un problema, como lo ve Boahen, es que la IA se basa en un modo de computación «sinaptocéntrico», en el que la mitad de los nodos (líneas de código binario que actúan como las neuronas de la IA) responden a una entrada. Algunas de esas respuestas son débiles y otras fuertes, dependiendo de cómo la red haya configurado las sinapsis o conexiones (de nuevo, más código) entre los nodos. Aún así, la mayoría están activos.
Si la mayoría de nuestros 86 mil millones de neuronas se enviaran señales constantemente entre sí a través de sus 100 billones de sinapsis, nuestros cerebros se sobrecalentarían, dijo Boahen.
Hoy en día, eso es un riesgo para los chips de computadora, ya que intentan manejar demandas de procesamiento cada vez mayores mientras enfrentan límites en cuanto a qué tan pequeños pueden diseñarse sus circuitos integrados y cuán efectivamente se puede disipar el calor que producen. Desde mediados del siglo XX, los ingenieros han podido duplicar el número de transistores en un chip aproximadamente cada dos años. Sin embargo, se espera que esa tasa de crecimiento alcance un techo en esta década: incluso cuando los circuitos y transistores se reducen de tamaño, consumen la misma cantidad de electricidad, lo que lleva a una mayor densidad de energía que amenaza con quemarlos.
Un enfoque ‘dendrocéntrico’
Para superar este obstáculo, Boahen propuso un modo de computación “dendrocéntrico”, sobre el que escribió en un artículo de Nature publicado a finales de 2022. Afirma que en lugar de utilizar un sistema binario de señalización, las computadoras podrían utilizar un sistema unario, como el el cerebro lo hace.
Las señales del cerebro son más escasas pero tienen más significado según su secuencia. Si las neuronas A a J reciben señales de otras neuronas, lo que provoca que A, B y C aumenten (en ese orden) y una dendrita en una neurona vecina reconoce ese patrón como parte de la información necesaria para procesar, digamos, el olor de una cáscara de naranja, esa neurona generará su propio pico. Pero si la dendrita detecta la secuencia BAC, la neurona no se disparará.
Para que un sistema de este tipo funcione en una máquina se necesita un transistor que pueda actuar como una dendrita; en otras palabras, determinar si una secuencia de señales merece un pico. Boahen afirma que la nanodendrita puede hacer esto. Es esencialmente una variante de un transistor de efecto de campo ferroeléctrico, una tecnología de décadas de antigüedad que utiliza material con una polarización eléctrica natural que se invierte cuando la electricidad pasa a través de él.
«Se necesitarían algunas ideas de investigación innovadoras para encontrar soluciones, pero soy optimista en que lo conseguiremos».
H.-S. Philip Wong, PhD, profesor de ingeniería eléctrica
Al igual que la puerta lógica de un microchip convencional (un circuito que realiza funciones lógicas en una o más entradas binarias y proporciona una salida), la nanodendrita utiliza una serie de puertas para determinar si una secuencia de señales debe impulsarle a transmitir su propia señal.
Diseñó el pequeño transistor con H.-S. Philip Wong, PhD, profesor de ingeniería eléctrica y profesor Willard R. e Inez Kerr Bell en la Escuela de Ingeniería, y los estudiantes graduados Matthew Beauchamp y Hugo Chen.
Chen presentará un documento de prueba de concepto experimental que ilustra el funcionamiento de la nanodendrita en diciembre de 2023 en la Reunión Internacional de Dispositivos Electrónicos, el principal foro para informar sobre avances en tecnología de semiconductores y dispositivos electrónicos.
«Desde el punto de vista de la tecnología de los dispositivos, hay muchas preguntas sin respuesta», dijo Wong, quien dirige la Instalación de Nanofabricación de Stanford. Una de esas preguntas es cómo construir nanodendritas en tres dimensiones, es decir, apiladas unas encima de otras en un único chip de silicio. «Sin embargo, no creo que esas preguntas sin respuesta presenten ningún obstáculo fundamental», añadió Wong. «Se necesitarían algunas ideas de investigación innovadoras para encontrar soluciones, pero soy optimista en que lo lograremos».
Boahen también se muestra optimista. Una tecnología de este tipo, si estuviera disponible ahora, podría reducir las señales de GPT 400 veces, con una disminución equivalente en el consumo de energía. Admite que el trabajo se encuentra en sus primeras etapas, y que probablemente falta alrededor de una década para que se realice un chip de computadora dendrocéntrico real.
«Pero una vez que lo ves, no puedes dejar de verlo», dijo.