Crédito: Max Litvinov.

Satélites, aviones y un número cada vez mayor de drones. Las Fuerzas Aéreas de Estados Unidos disponen de muchos ojos electrónicos en el cielo. Ahora, también están explorando si unos chips de computación inspirados en el cerebro podrían aportar la inteligencia necesaria para que los sistemas de vigilancia pudieran identificar de manera automática tanques o sistemas antiaéreos. 

El Laboratorio de Investigación de las Fuerzas Aéreas (AFRL, por sus siglas en inglés) ha informado de buenos resultados tras probar un chip "neuromórfico" fabricado por IBM para identificar vehículos militares y civiles en imágenes aéreas generadas por radar. El peculiar chip hizo el trabajo con más o menos la misma precisión que un ordenador potente estándar, pero consumió menos de una vigésima parte de energía.

El AFRL le adjudicó a IBM un contrato por valor de 550.000 dólares (unos 525.000 euros) en 2014 para convertirse en el primer cliente de pago de su chip inspirado en el cerebro TrueNorth. Procesa los datos con una red compuesta por un millón de elementos diseñada para imitar las neuronas de un cerebro mamífero, conectado por 256 millones de  "sinapsis".

Este tipo de chips difieren mucho de los que componen los ordenadores existentes, y para algunos problemas deberían resultar mucho más eficientes (ver Los chips neuromórficos tendrán una inteligencia alienígena). A las Fuerzas Aéreas de Estados Unidos les interesa porque podría permitir desplegar la visión de máquinas avanzada, que suele requerir una gran potencia computacional, en lugares donde escaseen los recursos y el espacio. Podrían beneficiarse satélites, aviones de gran altitud, bases aéreas que dependen de generadores y drones pequeños, según el principal ingeniero electrónico del AFRL, Qing Wu. "Los dominios de las misiones de las Fuerzas Aéreas son el espacio aéreo, el espacio exterior y el ciberespacio. [Todos ellos] son muy susceptibles de sufrir limitaciones energéticas", señala.

Wu ha estado organizando competiciones entre TrueNorth y un potente ordenador de Nvidia llamado Jetson TX-1, que cuesta alrededor de 500 dólares (unos 480 euros) y está diseñado para facilitar el despliegue de tecnologías de aprendizaje de máquinas de gran calado en sistemas de a bordo, como en coches o robots móviles.

Los ordenadores rivales emplearon diferentes implementaciones de software de procesamiento de imágenes basado en redes neuronales para intentar distinguir 10 clases de vehículos militares y civiles representados en un conjunto de datos público llamado MSTAR. Los ejemplos incluyeron tanques rusos T-72, vehículos blindados para el transporte de tropas y apisonadoras. Ambos sistemas lograron una precisión de aproximadamente el 95 %, pero el chip de IBM consumió entre una vigésima y una trigésima parte de la energía que necesitó el sistema de Nvidia.

El chip de IBM debería gozar de una ventaja de eficiencia en este tipo de tareas. El ordenador convencional ejecutó su software de red neuronal en chips con hardware que podría considerarse de uso general, diseñado para resolver cualquier tipo de problema. El hardware del chip TrueNorth está programado para representar redes neuronales artificiales, con un millón de "neuronas" físicas personalizadas para esa tarea.

Un motivo por el que esa arquitectura ofrece una mayor eficacia es que tanto las neuronas como las sinapsis del chip almacenan y procesan datos, señala Wu. En un sistema convencional como los del Jetson TX-1, los componentes que realizan los cálculos son independientes de la memoria. Eso significa que los datos tienen que moverse de la memoria al procesador para analizarlos, y de vuelta a la memoria para ser almacenarlos de nuevo, lo que consume tiempo y energía.

El director del Laboratorio de Neuromorfología de la Universidad de Boston (EEUU), Massimiliano Versace, que trabajó en otra parte del contrato del Pentágono que financió el trabajo de IBM en TrueNorth, opina que los resultados son prometedores. Pero también destaca que el chip de IBM implica algunas desventajas.

Es mucho más fácil desplegar redes neuronales en ordenadores convencionales gracias al software que ofrecen Nvidia, Google y otras compañías. Y el singular chip de IBM es mucho más caro. "La facilidad de uso y el precio son los dos principales factores que reman en contra de los chips neuromórficos especializados", explica Versace.

Wu dice que el hardware debería abaratarse mucho más si IBM logra atraer suficiente interés como para escalar su producción. La empresa asegura que está trabajando en facilitar el desarrollo de software para la plataforma.