La biología se encuentra con el silicio: redes neuronales y computación no convencional

Durante mucho tiempo, la inteligencia artificial copió el cerebro solo en las matemáticas: capa tras capa, matriz tras matriz, cadenas de álgebra lineal. Ahora los investigadores empiezan a copiarlo de forma literal: usan mecanismos biológicos en las redes neuronales y construyen hardware que calcula como una célula viva. La computación no convencional, ya sea molecular, óptica o neuromórfica, se perfila como la principal candidata a arquitectura de la IA fuerte.

Cuando el silicio choca contra un muro

Las GPU actuales se basan en transistores cada vez más pequeños, pero no de forma indefinida. La ley de Moore se ralentiza. Entrenar grandes modelos requiere una cantidad de energía descomunal: una sola búsqueda en Perplexity consume tanta electricidad como la que un coche gasta al recorrer 5 km. Entrenar GPT-4 costó cientos de millones de dólares y emitió a la atmósfera tanto carbono como una ciudad pequeña. La AGI exigiría una potencia a escala planetaria si se construyera sobre silicio convencional. Los ingenieros se topan con la física.

La computación no convencional promete una salida. En lugar de manipular electrones en un chip, se pueden usar fotones en sistemas ópticos (paralelismo a la velocidad de la luz), moléculas de ADN (una densidad de almacenamiento de información increíble) o procesos electroquímicos en chips neuromórficos (eficiencia energética similar a la del cerebro biológico).

Chips neuromórficos: la arquitectura del cerebro en electrónica

Intel Loihi, BrainScaleS y SpiNNaker no son GPU que imitan neuronas mediante código. Son chips construidos físicamente como un cerebro: neuronas de impulsos (spiking), sinapsis con pesos modificables y procesamiento asíncrono basado en eventos. En vez de multiplicar todos los pesos por un lote, solo las neuronas activas envían impulsos, y únicamente cuando hace falta.

El resultado es notable: un consumo mil veces menor que el de una GPU de la misma escala. El cerebro humano hace con 20 vatios lo que las redes neuronales actuales necesitan 20 kilovatios para lograr. Un chip neuromórfico reproduce ese resultado.

• Aprendizaje en tiempo real (sin esperar a un lote completo de datos)
• Procesamiento de flujos en lugar de matrices (ideal para sensores y cámaras)
• Adaptación a nuevas tareas sin reoptimizar un modelo entero
• Resistencia a entradas ruidosas gracias a la lógica biológica de los impulsos

Empresas como Intel y laboratorios académicos ya han usado chips neuromórficos en robótica y en procesamiento de datos sensoriales. Escalar es más difícil, pero el potencial es enorme.

La máquina molecular: computación en un tubo de ensayo

El ADN no es solo un almacén de genes. Es un ordenador paralelo. En una sola molécula se pueden codificar gigabits de información y realizar cálculos de forma simultánea con todas las moléculas de una disolución. Investigadores del MIT, Caltech y otros laboratorios ya emplean la computación con ADN para tareas de aprendizaje automático como la clasificación y la multiplicación de matrices.

Escalar es más difícil que con los chips: hacen falta métodos para controlar miles de millones de moléculas de forma sincronizada y extraer los resultados sin errores. Pero si funciona, la densidad de cálculo superaría la de cualquier equivalente de silicio y el consumo de energía se reduciría varias veces.

También se investigan ordenadores ópticos (fotones en lugar de electrones) y sistemas cuánticos. El panorama es claro: la monocultura de GPU de silicio tiene los días contados. La AGI será un híbrido.

Qué significa esto

La frontera entre biología y silicio se difumina. La computación no convencional no es una rareza de laboratorio, sino un taller de ingeniería para la IA fuerte. En un año o dos veremos los primeros sistemas híbridos: aceleradores neuromórficos en centros de datos junto a las GPU, ordenadores moleculares para tareas especializadas y procesadores ópticos para álgebra lineal. Cuando llegue la AGI, si es que llega, el 90 % de su hardware estará formado por lo que la naturaleza viva demostró eficaz hace miles de millones de años.