Saltar al contenido
Deberes escolares » Charlas educativas » Kwabena Boahen habla sobre un ordenador que funciona como el cerebro – Charla TEDGlobal 2007

Kwabena Boahen habla sobre un ordenador que funciona como el cerebro – Charla TEDGlobal 2007

Charla «Kwabena Boahen habla sobre un ordenador que funciona como el cerebro» de TEDGlobal 2007 en español.

El investigador Kwabena Boahen está buscando formas de copiar la potencia de super-computación del cerebro sobre silicio — ya que los procesos complejos y redundantes que ocurren en nuestras cabezas realmente crean un pequeño, ligero y super-rápido computador

  • Autor/a de la charla: Kwabena Boahen
  • Fecha de grabación: 2007-06-06
  • Fecha de publicación: 2008-07-30
  • Duración de «Kwabena Boahen habla sobre un ordenador que funciona como el cerebro»: 982 segundos

 

Traducción de «Kwabena Boahen habla sobre un ordenador que funciona como el cerebro» en español.

Tuve mi primer ordenador siendo un adolescente que crecía en Accra, y era realmente un aparato increíble.

Podías jugar con él, programar en BASIC.

Y yo estaba fascinado.

Así que fui a la biblioteca para entender cómo funcionaba esa cosa.

Leí cómo la CPU está constantemente moviendo datos de un lado a otro entre la memoria, la RAM y la ALU, la unidad de aritmética y lógica.

Y pensé, esta CPU realmente tiene que trabajar como loca sólo para mantener todos estos datos moviéndose por el sistema.

Pero nadie estaba realmente preocupado por esto.

Cuando se presentaron por primera vez los computadores, se dijo que eran un millón de veces más rápidos que las neuronas.

Todos estaban realmente entusiasmados, pensaron que pronto sobrepasarían la capacidad del cerebro.

Esta es una cita, realmente, de Alan Turing: «Dentro de 30 años, será igual de fácil preguntarle algo a un ordenador, como a una persona.» La cita es de 1946.

Ahora, en 2007, todavía no es cierta.

La cuestión es,

¿por qué no estamos realmente viendo esta capacidad en los ordenadores que sí vemos en el cerebro?

Lo que nadie se da cuenta, y yo estoy empezando a descubrir ahora es que pagamos un alto precio por la velocidad, que afirmamos es una gran ventaja de estos ordenadores.

Echemos un vistazo a algunos números.

Éste es Blue Gene, el ordenador más rápido del mundo.

Tiene 120.000 procesadores; pueden procesar 10 mil billones de bits de información por segundo.

Eso es un 10 elevado a la potencia de 16.

Entre todos ellos consumen un megavatio y medio de potencia.

Sería genial si se pudiese añadir esa cantidad a la producción eléctrica de Tanzania.

Realmente daría un impulso a la economía.

Pero volviendo a los Estados Unidos, si equiparas la cantidad de potencia eléctrica que ese ordenador emplea con la consumida por un hogar en Estados Unidos, obtienes 1.200 hogares, esa es la cantidad de energía que ese ordenador consume.

Ahora, comparémoslo con el cerebro.

Esto es una fotografía del cerebro de la novia de Rory Sayre.

Rory es un estudiante de postgrado en Stanford.

El estudia el cerebro usando resonancias magnéticas, y afirma que éste es el cerebro más bello que ha escaneado.


(Risas)
Eso es auténtico amor, aquí.

Ahora bien,

¿cuánto es capaz de procesar el cerebro?

Estimo que 10 elevado a la 16 bits por segundo lo que es equivalente a la potencia de Blue Gene.

Así que esa es la interrogante.

¿Qué tan similar son ambas potencias de procesamiento, ambas cantidades de datos la cuestión es

¿cuánta energía o electricidad consume el cerebro?

Realmente, es la misma que la que consume un ordenador portátil.

Sólo 10 Vatios.

Así que lo que ahora hacemos con ordenadores, con la energía consumida por 1.200 casas, el cerebro lo está haciendo con la energía consumida por un portátil.

Así que la cuestión es,

¿cómo es capaz el cerebro de conseguir esa eficiencia?

Permitidme que resuma.

En la línea inferior: el cerebro procesa la información usando 100.000 veces menos energía que la que utiliza la tecnología actual de computadores.

¿Cómo es capaz el cerebro de conseguir esto?

Echemos un vistazo a cómo funciona el cerebro para luego compararlo con cómo funcionan los ordenadores.

Esta escena es de la serie de la PBS «La vida secreta del cerebro».

Muestra esas células que procesan información.

Se llaman neuronas.

Se envían pequeños pulsos de electricidad entre ellas, y cuando se alcanzan, esos pequeños pulsos de electricidad pueden pasar de una neurona a otra.

Ese proceso se llama sinapsis.

Está esa gran red de células interactuando entre ellas, alrededor de 100 millones de ellas, enviando cerca de diez mil billones de esos pulsos cada segundo.

Y eso es básicamente lo que está pasando en tu cerebro mientras ves esto.

¿Cómo es éso respecto a la forma de trabajar de los ordenadores?

En un ordenador, todos los datos pasan a través de la unidad central de proceso, y cualquier dato tiene que pasar a través de ese cuello de botella.

Mientras que en el cerebro, lo que se tiene son esas neuronas y los datos simplemente fluyen a través de la red de conexiones entre las neuronas, no hay cuellos de botella aquí.

Es una red de trabajo o network en el sentido literal de las palabras.

La red hace el trabajo dentro del cerebro.

Si miráis estas dos imágenes, esas palabras aparecen en vuestra mente.

Eso es en serie y es rígido: como los coches en una autopista — todo tiene que suceder a un ritmo prefijado.

Sin embargo, esto es paralelo y es fluido.

El procesado de la información es muy dinámico y adaptativo.

Yo no soy el primero en darse cuenta de esto.

Esta es una cita de Brian Eno: «El problema con los ordenadores es que no hay suficiente África en ellos.»
(Risas)
Brian realmente dijo esto en 1995.

Y nadie le estaba escuchando entonces, pero ahora la gente ha empezado a escuchar porque hay un problema tecnológico acuciante al que nos tenemos que enfrentar.

Os daré una introducción en las próximas transparencias.

Esto es — Hay realmente una convergencia clara entre los dispositivos que usamos para calcular en ordenadores y los dispositivos que nuestros cerebros emplean para calcular.

Los dispositivos que usan los ordenadores son llamados transistores.

Este electrodo de aquí, llamado puerta, controla el flujo de corriente desde la fuente hasta el drenaje, estos dos electrodos.

Y la corriente, la corriente eléctrica, es llevada por los electrones, exactamente igual que en vuestra casa y en cualquier dispositivo.

Y lo que ocurre es que, cuando enciendes la puerta, obtienes un incremento en la cantidad de corriente, y consigues un flujo constante.

Y cuando se apaga la puerta, no hay flujo a través del dispositivo.

Los ordenadores utilizan la presencia de corriente para representar un uno, y la ausencia para representar un cero.

Ahora bien, lo que está pasando es que los transistores se están haciendo cada vez más pequeños, y ya no se comportan así.

De hecho, están empezando a comportarse como el dispositivo que utilizan las neuronas para calcular.

que se llama canal de iones.

Esta es una pequeña molécula de proteína.

Es decir, las neuronas tienen miles de ellas.

Y se sitúa en la membrana de la celda y tiene un poro en ella.

Y estos son iones aislados de potasio, que fluyen a través de ese poro.

Ahora bien, ese poro se puede abrir y cerrar.

Pero, cuando está abierto, debido a que esos iones tienen que alinearse y pasar de uno en uno, se consigue un esporádico, inconstante — un flujo de corriente esporádico.♫ E, incluso cuando cierras el poro — cosa que las neuronas pueden hacer, pueden abrir y cerrar esos poros para generar la actividad eléctrica — incluso cuando está cerrado, debido a que los iones son tan pequeños, pueden colarse, unos pocos pueden colarse de vez en cuando.

Así que, lo que ocurre es que, cuando el poro está abierto, tienes una corriente intermitente.

Esos son los unos, pero llevan unos pocos ceros.

Y cuando está cerrado, se tiene un cero, pero con unos pocos unos,

¿de acuerdo?

Ahora bien, esto está empezando a pasar en los transistores.

Y la razón por la que ocurre es que, ahora mismo en 2007, con la tecnología que estamos usando, un transistor es tan grande, que varios electrones pueden fluir a través del canal de forma simultánea, uno junto al otro.

De hecho, pueden pasar alrededor de 12 electrones.

Y eso significa que a cada transistor le corresponde, alrededor de 12 canales de iones en paralelo.

Ahora bien, en unos pocos años, por el 2015, habremos reducido el tamaño de los transistores mucho.

Eso es lo que hace Intel para seguir añadiendo más núcleos en el chip, o en los lápices de memoria que ya pueden almacenar hasta un gigabyte de cosas — anteriormente fueron 256.

Los transistores tienen que ser más pequeños para permitirlo, y la tecnología se ha beneficiado de esto.

Pero lo que está pasando es que en el 2015, los transistores van a ser tan pequeños, que sólo un electrón podrá pasar por el canal en cada momento, y eso corresponde a un canal de iones individual.

Y empiezas a tener el mismo tipo de atasco de tráfico que tienes en el canal de iones, la corriente se encenderá y apagará aleatoriamente, incluso cuando se espera que esté encendida.

Y eso significa que el computador va tener sus unos y ceros mezclados, y eso va a bloquear la máquina.

Así que, estamos en un momento en el que no sabemos realmente cómo calcular con ese tipo de dispositivos.

Y la única cosa, lo único que sabemos que ahora mismo puede calcular con ese tipo de dispositivos, es el cerebro.

Ok, entonces un ordenador lee un dato de la memoria, lo envía al procesador o a la UAL, y luego pone el resultado en memoria.

Ese es el camino rojo marcado.

En la forma en la que trabaja el cerebro, tienes todas esas neuronas.

Y la forma en la que representan información consiste en romper los datos en pequeños trozos que son representados por los pulsos y las diferentes neuronas.

Así que tienes todos los trozos de datos distribuidos por la red.

Y luego, la manera en la que se procesan los datos para conseguir el resultado es que se traduce ese patrón de actividad en un nuevo patrón de actividad, sencillamente haciéndolo fluir por la red.

Así que preparas todas esas conexiones, de manera que el patrón de entrada fluya y genere el patrón de salida.

Lo que se observa es que hay estas conexiones redundantes.

Así que, si este trozo de datos o este trozo de datos se corrompen, no se transmite aquí, estos dos trozos pueden activar la parte perdida con estas conexiones redundantes.

Así que, cuando analizas estos dispositivos horribles, donde a veces quieres un uno y obtienes un cero, existe esta redundancia en la red que realmente puede recuperar la información perdida.

Esto hace al cerebro inherentemente robusto.

Lo que tenemos aquí es un sistema que almacena los datos de forma local.

Y es frágil, porque cada uno de los pasos tiene que ser perfecto, de otra manera, se perderían los datos.

Sin embargo, en el cerebro, se tiene un sistema que almacena los datos de forma distribuida, y es robusto.

Lo que quiero fundamentalmente es hablar de mi sueño, que consiste en construir un computador que trabaje como el cerebro.

Es algo en lo que hemos estado trabajando el últimopar de años.

Y voy a mostrarles el sistema que hemos diseñado para modelar la retina, que es la parte del cerebro dentro del globo ocular.

No lo hemos hecho escribiendo código, como se haría en un computador.

De hecho, el proceso que ocurre en esa pequeña parte del cerebro es muy similar al tipo de procesamiento que los computadores realizan cuando envían vídeo por Internet.

Se quiere comprimir la información — sólo quieren enviar los cambios respecto a la imagen anterior, etc.

y así es como el globo ocular es capaz de comprimir toda la información hacia el nervio óptico, para enviar lo que queda al cerebro.

En vez de hacer esto por software, o realizando ese tipo de algoritmos, fuimos a hablar con neurobiólogos que habían realmente realizado ingeniería inversa sobre ese trozo del cerebro llamado retina.

Y habían resuelto todas las diferentes células, y habían resuelto la red y, sencillamente, tomamos esa red y la usamos como plano para diseñar un chip de silicio.

Así que ahora las neuronas están representadas por pequeños nodos o circuitos en el chip, y las conexiones entre las neuronas estàn modeladas por transistores Y esos transistores se están comportando esencialmente como los canales de iones se comportan en el cerebro.

Èsto os darà el mismo tipo de arquitectura robusta que describí.

Así es como se ve nuestro ojo artificial.

El chip de retina que diseñamos se encuentra detrás de esta lente de aquí.

Y el chip — Voy a mostraros un vídeo de la salida de la retina de silicio cuando estaba mirando a Kareem Zaghloul, que es el estudiante que diseñó el chip.

Dejadme que os explique lo que se verá, de acuerdo.

Ya que está sacando distintos tipos de información, no es tan sencillo como una cámara.

El chip de retina extrae cuatro tipos diferentes de información.

Extrae regiones de contraste oscuro, que se mostrará en el vídeo como rojo.

Y extrae regiones de blancos o contraste claro, que se mostrará en el vídeo como verde.

Estos son los ojos oscuros de Kareem y esto es el fondo blanco que veis aquí.

Y luego también extrae movimiento.

Cuando Kareem mueve su cabeza hacia la derecha, veréis esta actividad azul aquí, representa las regiones donde el contraste están incrementándose en la imagen, que es donde vamos de oscuro a claro.

Y también se puede ver esta actividad amarilla de aquí, que representa las regiones donde el contraste está disminuyendo, va de claro a oscuro.

Y estos cuatro tipos de información — el nervio óptico tiene alrededor de un millón de fibras, y 900.000 de esas fibras envían estos cuatro tipos de información.

Así que realmente estamos duplicando el tipo de señales que tenemos en el nervio óptico.

Lo que se observa aquì es que estas imágenes tomadas de la salida del chip de retina son muy dispersas.

No se muestra verde por todas partes del fondo, sòlo en los bordes, etc…

Y esta es lo mismo que se ve cuando se comprime vídeo para enviar: se quiere hacer muy disperso, porque así el archivo es más pequeño.

Y eso es lo que hace la retina, y lo está haciendo sólo con la circuitería, y como trabaja esta red de neuronas que interactúan aquí, que nosotros hemos capturado en un chip.

Me gustaría resaltar, lo mostraré aquí.

Èsta imagen aquì se muestrarà como éstas, pero aquí os mostraré que la imagen se puede reconstruir, así que, casi se puede reconocer a Kareem en esta parte superior.

Aquí está.

Sí, esta es la idea.

Cuando estás quieto, se ven los contrastes claros y oscuros.

Pero cuando se mueve adelante y atrás, la retina detecta estos cambios.

Y eso es por lo que, sabéis, cuando estáis sentados aquí y algo ocurre en el fondo, simplemente se mueven los ojos ahí.

Están estas celdas que detectan cambios y mueves tu atención a ello.

Esto es muy importante para detectar a alguien que está intentando acercarse sigilosamente.

Terminaré diciendo que esto es lo que ocurre cuando pones África en un piano

¿de acuerdo?

Esto es un tambor de acero que ha sido modificado y esto es lo que ocurre cuando pones África en un piano.

Y lo que nos gustaría hacer es poner África en un computador y acabar con un nuevo tipo de ordenador que creará pensamiento, imaginación, será creativo y cosas así.

Gracias
(Aplausos)
Chris Anderson: Una pregunta, Kwabena.

Si piensas en la unión del trabajo que estás haciendo, el futuro de África, esta conferencia —

¿qué conexiones pueden hacerse, si es posible, entre ellas?

Kwabena Boahen: Sí, como dije al principio.

Tuve mi primer ordenador siendo un adolescente que crecía en Accra.

Y tuve esa reacción visceral de que esa era la manera errónea de hacerlo.

Era todo fuerza bruta, poco elegante.

No creo que hubiese tenido esa reacción si hubiese crecido leyendo toda esa ciencia ficción, oyendo sobre RD2D2, cómo se llame, y sólo — ya sabes, creyéndome todas las noticias sobre los ordenadores.

Yo me acerqué al problema desde una perspectiva diferente, y traje mi diferente perspectiva para relacionarme con el problema.

Y creo que mucha gente en África tiene esta diferente perspectiva, y creo que eso va a impactar en la tecnología.

Y eso va a impactar en su evolución.

Creo que podréis ver, usar esa mezcla, para conseguir cosas nuevas, porque se viene de una perspectiva diferente.

Creo que podemos contribuir, podemos soñar como todos los demás.

Chris Anderson: Gracias Kwabena, ha sido muy interesante.

Gracias.

(Aplausoss)

https://www.ted.com/talks/kwabena_boahen_a_computer_that_works_like_the_brain/

 

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *