En un estudio conjunto publicado en Nature Machine Intelligence los investigadores de Intel Labs y de la Universidad de Cornell han demostrado la capacidad del chip de búsqueda neuromórfica de Intel, Loihi, para interiorizar sustancias químicas peligrosas y reconocerlas en presencia de interferencias y elementos de bloqueo importantes. Loihi interiorizó cada olor con una sola muestra sin interrumpir el almacenamiento de los olores interiorizados previamente. Demostró una precisión de reconocimiento superior en comparación con los métodos convencionales de vanguardia, incluida una solución de aprendizaje profundo que requería 3000 veces más muestras de entrenamiento para alcanzar el mismo nivel de precisión en la clasificación.

Nabil Imam, científico investigador sénior del Laboratorio de Computación Neuromórfica de Intel, señala que “estamos desarrollando algoritmos neuronales en Loihi que imitan los procesos que se activan en nuestro cerebro al oler algo. Este trabajo es un excelente ejemplo de la investigación contemporánea, a medio camino entre la neurociencia y la inteligencia artificial (IA), y pone de manifiesto el potencial de Loihi para ofrecer destacadas capacidades de detección que podrían beneficiar a diversos sectores".

Por qué es importante

Los olores peligrosos interiorizados y reconocidos por Loihi suponen un peligro para la salud pública, pues sirven de precursores en la fabricación de explosivos, narcóticos y polímeros. Los hallazgos avalan el potencial de los chips neuromórficos para reconocer estos olores en situaciones reales con mayor eficacia que las soluciones convencionales y nos ofrecen una visión de los posibles casos de uso de la tecnología neuromórfica.

En el futuro, los 'sistemas olfativos electrónicos' portátiles con chips neuromórficos podrían ser utilizados por los médicos para diagnosticar enfermedades, por el personal de seguridad aeroportuaria para detectar armas y explosivos, por la policía y control de fronteras para localizar e incautar más fácilmente sustancias narcóticas, e incluso para crear detectores de humo y monóxido de carbono más eficaces para los hogares.

Utilizando un algoritmo neural derivado de la arquitectura y la dinámica de los circuitos olfativos cerebrales, los investigadores de Intel y de la Universidad de Cornell entrenaron el chip de búsqueda neuromórfica Loihi de Intel para interiorizar y reconocer los olores de diez sustancias químicas peligrosas. Para ello, el equipo utilizó un conjunto de datos que consistía en la actividad de 72 sensores químicos en respuesta a estos olores y configuró el diagrama de circuito del olfato biológico en Loihi. El chip aprendió rápidamente la representación neuronal de cada uno de los olores y los reconoció todos incluso en un contexto de bloqueo considerable, lo que pone de manifiesto un futuro prometedor para la intersección entre neurociencia e inteligencia artificial.

Lo que dice la Wikipedia de Loihi

Loihi es un volcán submarino activo que se encuentra a unos 35 km al sur este de la costa de la isla de Hawai, pero también es el nombre que Intel proporcionó en 2017 a su primer chip. Este procesador introdujo un importante avance para el desarrollo de hardware neuromórfico, y en marzo de 2018 Intel crea la Comunidad de Investigación Neuromórfica para impulsar el desarrollo de algoritmos, software y aplicaciones neuromórficos.

A mediados del año pasado la compañía americana vuelve a dar un salto cualitativo en su apuesta por los procesadores que simulan el cerebro humano y anuncia la disponibilidad para la comunidad investigadora de un sistema neuromórfico de 8 millones de neuronas, compuesto de 64 chips de investigación Loihi, y que denomina Pohoiki Beach. Gracias a Pohoiki Beach los investigadores podrán experimentar con el chip de investigación Loihi de Intel, que aplica los principios de los cerebros biológicos a las arquitecturas informáticas. Loihi permite procesar información hasta 1000 veces más rápida y 10 000 veces más eficiente que las CPUs empleadas en aplicaciones especializadas, incluyendo codificación dispersa, búsqueda de gráficos y problemas de cumplimiento de restricciones.