Los sistemas informáticos existentes tienen dispositivos de procesamiento y almacenamiento de datos separados, lo que los hace ineficientes para procesar datos complejos como la inteligencia artificial (IA). Un equipo de investigación del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) ha desarrollado un sistema integrado basado en memristores, similar a la forma en que el cerebro procesa la información. Ahora se puede aplicar en una variedad de campos, desde cámaras de seguridad inteligentes hasta dispositivos médicos que pueden analizar datos de salud en tiempo real.
El nuevo chip informático tiene la capacidad de aprender y corregir errores que surgen de características no ideales que eran difíciles de resolver en los dispositivos neuromórficos existentes. Por ejemplo, al procesar transmisiones de vídeo, el chip aprende a separar automáticamente los objetos en movimiento del fondo y mejora en esta tarea con el tiempo.
Se ha demostrado que esta capacidad de autoaprendizaje permite alcanzar precisiones comparables a las simulaciones informáticas óptimas en el procesamiento de imágenes en tiempo real. El principal logro del equipo de investigación es que, además de desarrollar componentes similares al cerebro, han completado un sistema que es a la vez fiable y práctico.
Semiconductor memristor
El elemento principal de esta innovación es un dispositivo semiconductor de próxima generación llamado memristor. Las características de resistencia variable de este dispositivo podrían reemplazar el papel de las sinapsis en las redes neuronales, permitiéndoles almacenar y calcular datos simultáneamente.
El equipo de investigación diseñó un memristor de alta confiabilidad capaz de controlar con precisión los cambios de resistencia y desarrolló un sistema eficiente que elimina procesos de compensación complejos a través del autoaprendizaje.
La tecnología revolucionará la forma en que se utiliza la inteligencia artificial en los dispositivos cotidianos, permitiendo que las tareas de IA se procesen localmente en lugar de depender de servidores remotos en la nube, haciéndolas más rápidas, privadas y eficientes energéticamente.