Participa con tu nota. Contacto: daniela_ldl@ieee.org.ar

Editorial

Los pequeños mermistores al rescate de la AI

Son unos minúsculos dispositivos que pueden usarse para resolver el problema del colapso energético a la hora de usar sistemas inteligentes.

Pensar en redes neuronales es todo un desafío. No solo porque estamos hablando de imitar la biología de todos los seres vivos que poseen al menos una neurona, sino por lo complicado que tecnológicamente resulta hacer un pedazo de inteligencia artificial en un artefacto totalmente creado por el hombre. En la naturaleza, son las minúsculas neuronas la clave para el aprendizaje animal. Nuevos estudios pueden ayudar a que tecnología y biología se acerquen.

Los mermistores y dispositivos similares, tienen la capacidad de recordar un estado eléctrico aún cuando se los ha apagado. Esta habilidad permite que no solo sean usables para realizar cálculos sino también para almacenar datos en el propio dispositivo. Para darnos una idea, actualmente los sistemas informáticos tienen la tarea de enviar y recuperar datos en un lugar especial llamado memoria. Las hay de distintas velocidades, pero en todos los casos hay un tráfico entre el lugar del procesamiento (el centro donde se realizan los razonamientos) y las memorias. Estos pasos ya no serían necesarios con sistemas mermistivos.

Estas nuevas propuestas bioinspiradas serían ideales para simular actividades neuronales, que están en el eje de una cantidad importante de tecnologías relacionadas con automatización, control y manejo avanzado de información.

Pero no todo es gloria para estos diminutos amigos artificiales: al día de hoy la traba más importante es su limitada capacidad de producción y su inestabilidad. Un grupo de científicos ya está trabajando en estos problemas. Si bien no han logrado eliminarlos totalmente, las mejoras son impresionantes y, por sobre todo, ponen a los mermistores en una posición de poder competir con la tecnología actual.

En las primeras aplicaciones iniciales, han logrado fabricar prototipos de dispositivos gráficos 350 veces más eficientes en el consumo de energía que sus pares en ciertas funciones básicas. Entre otros beneficios colaterales también están la reducción drástica del tamaño de los dispositivos, y una vida estable de la información de unos 10 años dentro del propio dispositivo, lo cual excede la gran mayoría de las necesidades de almacenamiento actual.

Algunos ensayos realizados incluyeron el reconocimiento de dígitos manuscritos con una de las primeras redes neuronales diseñadas, pero versión mermistor, que logró una excelente precisión del 97%. También fabricaron una versión mermistiva con otra tecnología tradicional llamada Redes de Bayes, para resolver el mismo problema, con precisiones similares a sus contrapartes tradicionales, aunque estas últimas tienen el inconveniente de requerir diseños con más cantidad de mermistores.

La tecnología aún no está consolidada y quedan temas por terminar de resolver, pero posiblemente dentro de poco tengamos novedades que nos permitan incorporar a los mermistores en nuestra jerga tecnológica.

Daniela López De Luise

Academia Nacional de Ciencias de Buenos Aires

Coordinadora Académica CETI