Nabil Imam, de Intel Labs, posee un procesador Loihi neuromórfico en su laboratorio de computación de Santa Clara, California. Él y un equipo de investigación de la Universidad de Cornell, están construyendo algoritmos matemáticos en procesadores que imitan lo que sucede en la red neuronal de tu cerebro cuando hueles algo.
Nuestro experto: Nabil Imam, científico investigador senior del grupo de tecnología neuromórfica de Intel Labs, trabaja con neurofisiólogos en la universidad de Cornell. “Mis amigos de Cornell estudian el sistema olfativo biológico en animales y miden la actividad eléctrica de sus cerebros a medida que huelen los olores”, explica Imam; quien tiene un doctorado en computación neuromórfica. “Sobre la base de estos diagramas de circuito y pulsos eléctricos, derivamos un conjunto de algoritmos y los configuramos en silicio neuromórfico; específicamente en nuestro procesador de prueba Loihi.” Loihi es el procesador neuromórfico de Intel que aplica en las arquitecturas informáticas, los principios de computación que se encuentran en los cerebros biológicos.
Lo nuevo: Hoy, Nature Machine Intelligence describió la investigación llevada a cabo por los científicos de Intel y de la Universidad de Cornell, quienes están construyendo los algoritmos matemáticos. Con la guía de los investigadores, Loihi aprendió rápidamente representaciones neuronales de 10 olores diferentes.
Primero, ¿cómo olemos?: Si tomamos una toronja e inhalamos, las moléculas de la fruta estimularán las células olfativas de la nariz (la palabra olfativas se origina del latín olfactare, que significa “oler”). Las células de la nariz envían inmediatamente señales al sistema olfativo del cerebro, donde los impulsos eléctricos, dentro de un grupo interconectado generan neuronas y generan una sensación de olor. No importa si se olfatea una toronja, una rosa o un gas nocivo, las redes neuronales del cerebro crean sensaciones específicas del objeto. Del mismo modo, el sentido de la vista, el sonido, la evocación de la memoria, las emociones y toma de decisiones, tienen redes neuronales individuales que operan de manera particular.
Loihi aprende a detectar distintos olores con mezclas complejas: Imam y su equipo, tomaron un conjunto de datos que consta de la actividad de 72 sensores químicos, en respuesta a 10 sustancias gaseosas (olores), que circulan dentro de un túnel de viento. Las respuestas del sensor a los olores individuales se transmitieron a Loihi, donde los circuitos de silicio imitaban los circuitos del cerebro encargados del sentido del olfato. El procesador rápidamente aprendió representaciones neuronales de cada uno de los 10 olores, entre ellos acetona, amoniaco y metano, y los identificó incluso en presencia de fuertes interferencias de fondo. Sus detectores de humo y monóxido de carbono en el hogar utilizan sensores para detectar olores, pero no pueden distinguirlos; emiten un sonido cuando detectan moléculas nocivas en el aire, pero no pueden clasificarlas de forma inteligente.
Aplicaciones futuras: Imam dice que la comunidad dedicada a la detección química ha buscado durante años, sistemas de procesamiento quimiosensoriales de bajo costo, confiables y de respuesta rápida; también llamados “sistemas nasales electrónicos”. Él ve el potencial que tienen los robots equipados con cerebros Loihi para el monitoreo ambiental y la detección de materiales peligrosos, o para tareas de control de calidad en las fábricas. Podrían usarse para diagnósticos médicos de algunas enfermedades que emiten olores particulares. Por ejemplo, señala que los perros pueden oler ciertos tipos de cáncer en los humanos. Quizá se podría sustituir a los perros con dispositivos más precisos. Otro ejemplo de robots equipados con Loihi serían aquellos que pueden identificar mejor las sustancias peligrosas en las líneas de seguridad de los aeropuertos.
Agregando más sentidos en el futuro: “El siguiente paso que voy a dar,” señala Imam, “es generalizar este enfoque a una gama más amplia de problemas — desde el análisis de la escena sensorial (entendiendo las relaciones entre los objetos que observamos), a problemas abstractos como la planeación y la toma de decisiones. Entender la forma en que los circuitos neuronales resuelven estos problemas computacionales, ofrecerá pistas importantes para diseñar inteligencia eficiente y robusta en las máquinas.”
Desafíos que deben superarse: Existen desafíos en la detección olfativa, comenta Imam. Cuando entramos a una tienda de abarrotes, podemos oler una fresa, pero su olor podría ser similar al del arándano o el plátano, lo cual induce patrones de actividad neuronal muy semejantes en el cerebro. Algunas veces es incluso difícil para los humanos distinguir una fruta en una combinación de aromas. Los sistemas podrían equivocarse al oler una fresa de Italia y una de California, que podrían tener diferentes aromas, y sin embargo necesitan agruparse en una categoría común. “Son desafíos para el reconocimiento de señales olfativas en los que estamos trabajando y tenemos esperanza de resolver en los próximos años; antes de que se convierta en un producto que pueda resolver problemas del mundo real más allá de los experimentales que demostramos en el laboratorio,” manifiesta Imam. Su trabajo, afirma, es un “claro ejemplo de la investigación contemporánea que tiene lugar en las encrucijadas de la neurociencia y la inteligencia artificial.”