Un chip neuromórfico (es un microprocesador configurado más como los cerebros humanos que los chips tradicionales) fabricado por investigadores de IMEC en Bélgica utiliza circuitos inspirados en el cerebro para componer melodías. El prototipo de chip neuromórfico aprende las reglas de la composición musical detectando patrones en las canciones a las que se le expone. A continuación, crea su propia canción con el mismo estilo. Es una demostración temprana de un proyecto para desarrollar aceleradores de aprendizaje de uso general y de baja potencia que podrían ayudar a adaptar los sensores médicos a sus usuarios, y permitir que la electrónica personal aprenda los patrones de comportamiento de sus usuarios.
Los dispositivos conectados de hoy en día no tienen muchos componentes inteligentes, sino que envían los datos a la nube para su análisis en los servidores remotos, donde el uso de energía y los costos de enfriamiento no son altos, dice Praveen Raghavan, que dirige el desarrollo de tecnología para el cálculo neuromórfico en IMEC. El equipo IMEC quiere cambiar esto. «Todo el objetivo es hacer que la inteligencia artificial sea más compacta y acercarla al usuario«, dice. Eso significa hacer compactos, de bajo consumo de energía con chips dedicados al aprendizaje. «Queremos ser lo más rentables posible”, dice.
La melodía del chip compuesta por IMEC definitivamente suena derivada. El compositor ha hecho algunas selecciones de notas extrañas, pero nada que pueda llamarse vanguardia, podríamos decir que hay cierta tensión con la música clásica occidental. De hecho, la melodía de 30 segundos evoca las melodías simples que comienzan la práctica de los músicos una y otra vez. Dos barras están muy cerca de un riff en la escala cromática; en la última barra, se resuelve una nota que se escucha agradable y esperada.
Para que el chip generara esta melodía, se cargó secuencialmente con canciones en el mismo tiempo (que especifica cuántos beats hay en cada barra de música) y estilo. Si se expusiera a una amplia gama de ritmos y estilos, no habría sido capaz de discernir los patrones en el trabajo. Raghavan dice que el prototipo fue enseñado usando viejos minuetos de flauta belga y francesa. Basado en esto, el chip aprendió las reglas de juego y luego las aplicó.
El prototipo de chip neuromórfico utiliza un banco de megabits de RAM resistiva construido sobre un procesador. Las células de memoria son filamentos de un material de óxido cuya resistencia eléctrica varía a lo largo de un continuo de estados en respuesta a diferentes voltajes aplicados. Cuando el chip «escucha» dos notas particulares una tras otra en varias canciones de entrenamiento, detecta un patrón. Cuanto más frecuentemente ocurran las notas juntas, más fuerte es la asociación entre ellas y más fuerte es la conexión entre las dos celdas de memoria que las almacenan. A su vez, es más probable que el chip pondrá esas dos notas en secuencia cuando cambie de aprendizaje a modo de composición. Esto es análogo a la forma en que las conexiones entre las diferentes neuronas del cerebro se fortalecen o se debilitan a medida que aprendemos. El sistema es jerárquico, y puede detectar y aprender patrones más amplios, también. «Comienza a ver patrones en la música a corto y largo plazo«, dice Raghavan.
Raghavan no diría cuánta potencia utilizó el prototipo, dice que lo diseñó de manera que pudiera asumir una variedad de tareas, construyendo grandes células de memoria que respondan a una gama de voltajes. La tarea de música no hace uso de todo el banco de memoria, tampoco, pero las tareas futuras más complejas probablemente lo harán. Ahora que han estudiado las capacidades del hardware, dice, optimizarán el diseño. Raghavan dice que ya es flexible. El grupo también ha entrenado el sistema con texto, enseñándolo a completar las frases.
Raghavan dice que estos sistemas podrían ser utilizados como aceleradores del aprendizaje en la electrónica personal, o combinados con otro hardware diseñado para ejecutar redes neuronales. Una aplicación que tiene en mente es un monitor de ritmo cardíaco para un reloj inteligente que sería capaz de adaptarse al estilo del usuario para obtener lecturas más precisas. «Algunas personas lo usan apretado, algunas sueltas, otras más altas o más bajas en el brazo», dice. Todo esto puede afectar la precisión de las mediciones.
