Riassunto:
Recentemente sono stati compiuti importanti progressi nella ricerca nell'intersezione tra neuroscienze e tecnologia informatica. L’ultima scoperta di un gruppo di ricerca scientifica congiunta internazionale ha rivelato con successo l’efficiente meccanismo di collaborazione delle reti neurali del cervello umano nell’elaborazione di informazioni complesse e nel recupero della memoria. Questo risultato fornisce nuovo supporto teorico e percorsi tecnici per superare il collo di bottiglia dell’efficienza energetica dell’architettura informatica tradizionale e creare un “computer simile al cervello” di prossima generazione (Neuromorphic Computing) che è più vicino al modo in cui funziona il cervello umano.
Nella tradizionale architettura informatica von Neumann, l'unità di calcolo e l'unità di memorizzazione sono separate. La frequente trasmissione di dati tra i due non solo costituisce il cosiddetto "muro delle prestazioni", ma consuma anche enormi quantità di energia. Al contrario, il cervello umano può facilmente completare il riconoscimento di schemi ad alta intensità, il ragionamento logico e l’apprendimento autonomo consumando solo un consumo energetico estremamente basso. Comprendere e replicare la trasmissione dinamica estremamente efficiente del segnale e i meccanismi di elaborazione parallela tra sinapsi e neuroni nelle reti neurali del cervello umano è sempre stato considerato dalla comunità scientifica come la chiave per superare l’attuale limite superiore della potenza di calcolo dell’intelligenza artificiale e della crisi dei consumi energetici.
Combinando la tecnologia di neuroimaging ad alta risoluzione con la modellazione dinamica non lineare, il team di ricerca ha condotto un'analisi approfondita della risposta non lineare e dei cambiamenti di plasticità sinaptica dei neuroni biologici di fronte a input di informazioni dinamiche. La ricerca ha scoperto che il cervello umano non si basa su un unico enorme calcolo centralizzato, ma completa la compressione delle informazioni ad alta densità e il rapido recupero attraverso la "sincronizzazione temporale" e la "codifica sparsa" tra specifici cluster di neuroni. Questo meccanismo consente al cervello biologico di completare con precisione compiti cognitivi complessi attivando solo una percentuale molto piccola di neuroni in un ambiente con grandi interferenze acustiche.
Sulla base di questi risultati, i ricercatori hanno costruito una nuova architettura di algoritmi e un circuito di simulazione hardware ispirati al cervello. I dati sperimentali mostrano che il modello computazionale simile al cervello, che si basa sull’attivazione sparsa e sulle caratteristiche di conduzione sequenziale dei neuroni biologici, può migliorare la sua efficienza energetica di diversi ordini di grandezza rispetto alle tradizionali reti neurali artificiali durante l’elaborazione del riconoscimento delle immagini, dell’analisi del flusso vocale e di compiti di previsione complessi. Allo stesso tempo, ha dimostrato una forte robustezza di fronte all’interferenza di dati sconosciuti.
Gli esperti del settore hanno commentato che questa ricerca colma il divario tra le neuroscienze di base e la pratica dell'ingegneria dell'hardware. Poiché la domanda di potenza di calcolo ed energia da parte dell’intelligenza artificiale aumenta in modo esponenziale, la conversione delle ultime scoperte nel campo della biologia nella progettazione di architetture di chip fisici rimodellerà completamente il panorama industriale dell’edge computing di prossima generazione, dei robot autonomi e dell’hardware di intelligenza artificiale a basso consumo, e promuoverà il salto della tecnologia informatica verso un’intelligenza che possiede veramente caratteristiche cognitive umane.
Commenti