Una red artificial de nanocables se puede sintonizar para responder de manera similar al cerebro

Se ha descubierto que una red artificial de nanocables se puede sintonizar para responder de una manera similar al cerebro cuando se estimula eléctricamente.

Científicos de la Universidad de Sydney y del Instituto Nacional de Ciencia de Materiales (NIMS) de Japón han comprobado que al mantener esta red de nanocables en un estado cerebral "al borde del caos", realizaba tareas a un nivel óptimo.

Esto, dicen, sugiere que la naturaleza subyacente de la inteligencia neuronal es física, y su descubrimiento abre una vía emocionante para el desarrollo de la inteligencia artificial.
El estudio se publica en Nature Communications.

"Usamos cables de 10 micrómetros de largo y no más gruesos de 500 nanómetros dispuestos al azar en un plano bidimensional", dijo en un comunicado el autor principal Joel Hochstetter, candidato a doctorado en el Instituto Nano y Escuela de Física de la Universidad de Sydney.

"Donde los cables se superponen, forman una unión electroquímica, como las sinapsis entre neuronas", dijo. "Descubrimos que las señales eléctricas enviadas a través de esta red encuentran automáticamente la mejor ruta para transmitir información. Y esta arquitectura permite que la red 'recuerde' rutas anteriores a través del sistema".

Usando simulaciones, el equipo de investigación probó la red de nanocables aleatorios para ver cómo hacer que funcione mejor para resolver tareas simples.

Si la señal que estimulaba la red era demasiado baja, entonces las vías eran demasiado predecibles y ordenadas y no producían salidas lo suficientemente complejas como para ser útiles. Si la señal eléctrica abrumaba la red, la salida era completamente caótica e inútil para resolver problemas. La señal óptima para producir una salida útil estaba al borde de este estado caótico.

"Algunas teorías en neurociencia sugieren que la mente humana podría operar en este borde del caos, o lo que se llama el estado crítico", dijo la coautora Zdenka Kuncic, profesora de la Universidad de Sydney. "Algunos neurocientíficos piensan que es en este estado donde logramos el máximo rendimiento cerebral".

"Lo que es tan emocionante acerca de este resultado es que sugiere que este tipo de redes de nanocables se pueden sintonizar en regímenes con dinámicas colectivas diversas, similares al cerebro, que se pueden aprovechar para optimizar el procesamiento de la información".

En la red de nanocables, las uniones entre los cables permiten que el sistema incorpore memoria y operaciones en un solo sistema. Esto es diferente a las computadoras estándar, que separan la memoria (RAM) y las operaciones (CPU).

"Estas uniones actúan como transistores de computadora, pero con la propiedad adicional de recordar que las señales han viajado por ese camino antes. Como tales, se llaman 'memristores'", dijo Hochstetter.

Esta memoria toma una forma física, donde las uniones en los puntos de cruce entre nanocables actúan como interruptores, cuyo comportamiento depende de la respuesta histórica a las señales eléctricas. Cuando se aplican señales a través de estas uniones, crecen pequeños filamentos de plata que activan las uniones al permitir que la corriente fluya a través de ellas.

"Esto crea una red de memoria dentro del sistema aleatorio de nanocables", dijo.

El señor Hochstetter y su equipo crearon una simulación de la red física para mostrar cómo se podía entrenar para resolver tareas muy simples. "Para este estudio, entrenamos a la red para transformar una forma de onda simple en tipos más complejos de formas de onda", dijo Hochstetter.

En la simulación, ajustaron la amplitud y la frecuencia de la señal eléctrica para ver dónde se producía el mejor rendimiento.
"Descubrimos que si empuja la señal demasiado lento, la red simplemente hace lo mismo una y otra vez sin aprender ni desarrollarse. Si lo empujamos demasiado fuerte y rápido, la red se vuelve errática e impredecible", dijo.

El profesor Kuncic dijo que unir memoria y operaciones tiene enormes ventajas prácticas para el futuro desarrollo de la inteligencia artificial.

"Los algoritmos necesarios para entrenar a la red para saber a qué unión se le debe otorgar la 'carga' o el peso de información adecuados consumen mucho poder", dijo.

"Los sistemas que estamos desarrollando eliminan la necesidad de tales algoritmos. Solo permitimos que la red desarrolle su propia ponderación, lo que significa que solo debemos preocuparnos por la entrada y salida de señal, un marco conocido como 'computación de depósito'.

Los pesos de la red son autoadaptativos, lo que potencialmente libera grandes cantidades de energía. Esto, dijo, significa que cualquier futuro sistema de inteligencia artificial que utilice tales redes tendría una huella energética mucho menor.