Teresa Serrano-Gotarredona avogou no CITIC por unha IA máis eficiente e máis semellante ao noso cerebro

O Centro de Investigación en Tecnoloxías da Información e as Comunicacións (CITIC) da Universidade da Coruña, centro da Rede CIGUS da Xunta de Galicia, acolleu onte unha conferencia da directora do Instituto de Microelectrónica de Sevilla, Teresa Serrano-Gotarredona, quen afondou no potencial da enxeñaría neuromórfica como base dunha intelixencia artificial máis sostible, rápida e eficiente.
A investigadora do CSIC participou no ciclo de conferencias Converxencia Verde: IA para una futuro sustentable, impulsado pola Cátedra Inditex-UDC de IA en Algoritmos Verdes.
Serrano-Gotarredona falou da enxeñaría neuromórfica e o seu papel como base dunha intelixencia artificial máis respectuosa cos recursos, máis eficiente e máis próxima ao funcionamento do cerebro humano, ademais de explicar con aplicacións prácticas o traballo de investigación que desenvolve o seu grupo.
A sesión permitiu afondar nas conclusións máis relevantes deste ámbito emerxente, que propón un cambio de paradigma fronte ao concepto de aprendizaxe máquina (o machine learning tradicional), que se viña apoiando en tecnoloxías e algoritmos baseados na adquisición e procesamento de sinais mediante mostreo periódico. Pola contra a enxeñaría neuromórfica inspírase directamente nos sistemas biolóxicos.
A investigadora subliñou que os sistemas convencionais operan de forma síncrona e secuencial, mentres que o cerebro adquire e procesa a información de maneira asíncrona, comunicándose a través de pulsos eléctricos. Esta diferenza estrutural obriga a redeseñar tanto o hardware como os modelos computacionais, incorporando arquitecturas capaces de traballar con eventos en tempo real en lugar de datos discretizados en intervalos fixos.
Tamén puxo o foco nun dos grandes retos identificados: a integración da variable tempo nos modelos neuromórficos. A súa incorporación abre un enorme potencial ao permitir explotar correlacións espazo-temporais nos datos, como acontece no caso do procesamento sensorial. Porén, tamén introduce unha maior complexidade no desenvolvemento de modelos matemáticos, sistemas de aprendizaxe e implementacións físicas. Deseñar algoritmos capaces de aprender a partir de fluxos continuos de eventos segue a ser un dos principais desafíos científicos do sector.
Fronte a estes retos, a enxeñaría neuromórfica ofrece “oportunidades de grande impacto”. No ámbito do procesamento sensorial, destaca o alto paralelismo de datos e a capacidade de eliminar redundancias, replicando a eficiencia do cerebro ao filtrar información irrelevante e priorizar eventos significativos.
A eficiencia enerxética é outro dos piares desta tecnoloxía. Ao procesar unicamente eventos relevantes e enviar a información comprimida, os sistemas neuromórficos poden reducir de forma drástica o consumo eléctrico. Isto convérteos en solucións idóneas para sistemas autónomos en contornas da Internet das Cousas (IoT) ou dispositivos de vixilancia intelixente, así como outras aplicacións nas que a autonomía é clave.
Ademais, a alta velocidade e a baixa latencia de resposta sitúan esta tecnoloxía como estratéxica para contornas dinámicas, como a robótica avanzada, o guiado de vehículos autónomos, os drons ou determinadas aplicacións industriais onde a capacidade de reacción en tempo real é determinante.
Ademais, o procesamento asíncrono e continuo permite preservar a estrutura temporal dos datos, facilitando o recoñecemento natural de escenas dinámicas e a aplicación eficiente de redes neuronais recorrentes. Esta característica achega os sistemas artificiais á maneira na que o cerebro procesa información cambiante en contornas reais.
Para rematar a investigadora puxo o foco na dimensión interdisciplinar da enxeñaría neuromórfica, que “tende pontes entre a electrónica, a intelixencia artificial e a neurociencia, e ten interesantes aplicacións no eido da medicina”.