Estas son las armas de Loihi 2, el chip neuromórfico más avanzado de Intel, para convencernos de que está preparado para salir del laboratorio y conquistar el mundo real

«La computación neuromórfica nos promete dotar de grandes capacidades a los dispositivos inteligentes que se enfrentan al reto de procesar en tiempo real enormes cantidades de datos, y, además, de adaptarse simultáneamente a cambios imprevistos. Y todo ello ciñéndose a un consumo y una latencia muy exigentes». Esta descripción no es nuestra. Es de Intel. Y resume con claridad cuál es el propósito que persigue esta rama de la ingeniería tan apasionante.

Esta disciplina se inspira en nuestro conocimiento de la estructura y el funcionamiento del sistema nervioso de los animales, que es indiscutiblemente limitado, para poner a punto un chip que en la medida de lo posible emule la capacidad de procesamiento de un cerebro animal. Intel, IBM, HP o Google son algunas de las empresas que están invirtiendo recursos en el desarrollo de esta tecnología, pero los avances que está experimentando la computación neuromórfica también proceden de algunas de las universidades más prestigiosas del planeta, como el MIT, Stanford o el IMEC.

Intel dio a conocer hace cuatro años su procesador neuromórfico Loihi, un chip fabricado con fotolitografía de 14 nm que incorpora 128 núcleos y algo más de 130 000 neuronas. Cada una de esas neuronas artificiales puede comunicarse con miles de las neuronas con las que convive, creando una intrincada red que emula a las redes neuronales de nuestro propio cerebro. Y hace tan solo unos días ha presentado Loihi 2, una revisión de su procesador neuromórfico para investigación que llega acompañada por Lava, un entorno de desarrollo de software de código abierto que persigue facilitar el desarrollo de aplicaciones que puedan beneficiarse de las cualidades que tiene la computación neuromórfica.

Loihi 2 es 10 veces más rápido e incorpora 1 millón de neuronas por chip

Antes de seguir adelante es importante que tengamos en cuenta que los procesadores neuromórficos aún no han salido del laboratorio. Al menos no de una forma definitiva. Las empresas y las universidades que están trabajando en esta área tienen en marcha muchos proyectos de investigación, algunos de ellos en colaboración con organizaciones alejadas del mundo académico, que, precisamente, persiguen demostrar la viabilidad comercial de estas soluciones. Según Intel, Loihi 2 nos coloca un poco más cerca de este hito.

Este chip neuromórfico es, de acuerdo con la información que nos ha proporcionado Intel, hasta 10 veces más rápido que la versión original del procesador Loihi. Su arquitectura ha sido refinada para que sea capaz de facilitar la implementación de nuevos algoritmos y aplicaciones que puedan sacar partido a la computación neuromórfica, pero con un consumo menor que el del primer chip Loihi. No obstante, la especificación más impactante de Loihi 2 es una consecuencia directa de las mejoras que ha introducido Intel en su proceso de fabricación. Y es que su mayor densidad de transistores lo ha dotado de 1 millón de neuronas artificiales por chip, una cantidad muy superior a las 130 000 neuronas que tiene el modelo original.

Los primeros procesadores Loihi 2 están siendo fabricados utilizando una versión preliminar de la tecnología de integración Intel 4, un nodo que utiliza fotolitografía ultravioleta extrema (EUV) de 7 nm, pero que, según Intel, en la práctica tiene una densidad de transistores equiparable, o, incluso, superior al nodo de 5 nm de TSMC. La litografía utilizada en la producción de los chips neuromórficos es muy importante no solo debido a que facilita la integración de una mayor cantidad de neuronas artificiales y la implementación de mejoras en la microarquitectura; también tiene un impacto directo y beneficioso en su consumo, un parámetro crítico en estos procesadores.

No sirve para todo, pero aquí la computación neuromórfica puede marcar la diferencia

Esta disciplina representa una alternativa a la computación clásica, pero solo en unas aplicaciones muy concretas que pueden beneficiarse de un alto nivel de paralelismo intrínseco, y en las que, además, es necesario minimizar la latencia y reducir el consumo tanto como sea posible. Tanto Intel como las demás empresas e instituciones que están fomentando el desarrollo de la computación neuromórfica la observan como un complemento de los ordenadores clásicos que nos ofrece algunas ventajas importantes en determinados escenarios de uso. Estos son algunos de ellos:

• Optimización y búsqueda: los algoritmos neuromórficos pueden diseñarse de manera que sean capaces de explorar un conjunto grande de soluciones a un problema determinado para encontrar aquellas que satisfacen unos requisitos concretos. Esta característica resulta muy útil para encontrar la ruta óptima que debe seguir un repartidor de paquetes, o para planificar los horarios que deben tener las clases de una institución educativa, entre muchas otras opciones.
• Identificación de comandos de voz: en las primeras pruebas experimentales un chip Loihi ha demostrado ser tan preciso al reconocer comandos de voz como una GPU, pero, según los investigadores de Accenture que han llevado a cabo este experimento, el chip neuromórfico de Intel de primera generación consume hasta 1000 veces menos energía y consigue responder 200 ms más rápido.

• Reconocimiento de gestos: los experimentos que están llevando a cabo los investigadores de Intel apuntan que los procesadores Loihi son capaces de aprender y reconocer los gestos individualizados de un conjunto amplio de personas con mucha rapidez. En este ámbito la computación neuromórfica parece ser mucho más eficiente que los algoritmos de inteligencia artificial clásicos que estamos utilizando actualmente.
• Robótica: dos grupos de investigación de las universidades Rutgers (Estados Unidos) y TU Delft (Países Bajos) han diseñado aplicaciones de control de drones mediante chips Loihi que han demostrado consumir 75 veces menos energía que las herramientas de control diseñadas para ser ejecutadas sobre una GPU. Y sin que su rendimiento se vea afectado negativamente.
• Recuperación de imágenes: los algoritmos neuromórficos están demostrando ser muy eficaces en todos aquellos procesos en los que es necesario identificar un conjunto de objetos heterogéneos a partir de su semejanza con uno o varios modelos tomados como referencia. En este escenario de uso según Intel los sistemas neuromórficos son hasta 24 veces más rápidos y 30 veces más eficientes que las soluciones que recurren a la combinación de una GPU y una CPU.

Más información | Intel