{"id":11573,"date":"2014-10-22T05:37:09","date_gmt":"2014-10-22T04:37:09","guid":{"rendered":"http:\/\/www.emiliosilveravazquez.com\/blog\/?p=11573"},"modified":"2014-10-22T05:37:09","modified_gmt":"2014-10-22T04:37:09","slug":"%c2%a1el-cerebro-siempre-nos-interesaran-sus-cosas","status":"publish","type":"post","link":"https:\/\/www.emiliosilveravazquez.com\/blog\/2014\/10\/22\/%c2%a1el-cerebro-siempre-nos-interesaran-sus-cosas\/","title":{"rendered":"\u00a1El cerebro! Siempre nos interesar\u00e1n sus cosas"},"content":{"rendered":"
\n
\n
\n
\n
\n

IBM simula 500 mil millones de neuronas y 100 billones de sinapsi<\/a><\/a>s<\/h1>\n

 <\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

En una simulaci\u00f3n neuronal<\/a> sin precedentes, IBM<\/a><\/strong> ha logrado simular 500 mil millones de neuronas y 100 billones de sinapsi<\/a><\/a>s<\/strong>. Para ello ha utilizado Sequoia, el segundo superordenador m\u00e1s grande del mundo con mill\u00f3n y medio de n\u00facleos. Esto es una proeza computacional, pero tiene poco que ver con la neurociencia. Veamos por qu\u00e9.<\/p>\n

\"Neuronas\"<\/p>\n

El departamento de Cognitive Computing<\/em> de IBM en Almaden dirigido por Dharmendra S. Modha<\/strong> lleva unos a\u00f1os realizando asombrosas simulaciones en el contexto del proyecto DARPA SyNAPSE. Como parte de este proyecto, anunci\u00f3 la simulaci\u00f3n a la escala<\/strong> del c\u00f3rtex de un rat\u00f3n, luego de una rata y m\u00e1s tarde de un gato<\/a>.<\/p>\n

El objetivo de este programa es crear un chip neurosin\u00e1ptico<\/a> que supone una ruptura con la arquitectura tradicional de los ordenadores. Esta arquitectura es la llamada Von Neumann<\/strong> que usan la totalidad de los ordenadores en la actualidad, incluidos m\u00f3viles y tarjetas. En la arquitectura Von Neumann la memoria est\u00e1 separada del procesador, el hardware del software y los programas est\u00e1n separados de los datos. Ha sido muy exitosa mientras se cumpl\u00eda la miniaturizaci\u00f3n de componentes expresada en la ley de Moore<\/strong>: cada dos a\u00f1os se duplica el n\u00famero de transistores en un espacio dado. El problema es que estamos llegando a los l\u00edmites del \u00e1tomo y que la ley dejar\u00e1 de cumplirse<\/strong>.<\/p>\n

\"Chip<\/p>\n

El chip neurosin\u00e1ptico es una ruptura total<\/strong> con la arquitectura Von Neumann. Se basa en el dise\u00f1o de las neuronas en las que no hay distinci\u00f3n entre hw y sw, programas y datos, memoria y procesador<\/strong>. El chip consiste en una matriz de neuronas y entre sus cruces se realizan las sinapsi<\/a><\/a>s. De este modo, cada sinapsi<\/a><\/a>s del chip es hw y sw, proceso y memoria, programa y datos. Dado que todo est\u00e1 distribuido, no es necesaria un miniaturizaci\u00f3n tan extrema y sobre todo, un reloj tan r\u00e1pido. Frente a los actuales gigahercios de frecuencia, las neuronas se disparan a un hercio<\/strong>, y en el caso del chip a 8 hercios. Adem\u00e1s, los procesadores son clock driven<\/em>, es decir, act\u00faan bajo la batuta del reloj mientras que las neuronas son event driven<\/em>, act\u00faan solo si hay actividad que realizar.<\/p>\n

Uno de los objetivos es reducir el consumo el\u00e9ctrico. Un cerebro consume lo que una bombilla peque\u00f1a, 20 vatios. Un superordenador consume cientos de megavatios. El nuevo chip tiene un consumo muy reducido. Estos chips est\u00e1n construidos con tecnolog\u00eda de silicio cl\u00e1sica CMOS.<\/p>\n

La arquitectura de muchos chips neurosin\u00e1pticos unidos se ha llamado TrueNorth<\/strong>. Ya existe en desarrollo un chip de 256 neuronas, 1024 axones, y 256\u00d71024 sinapsi<\/a><\/a>s.<\/p>\n

El chip sin embargo no est\u00e1 en producci\u00f3n masiva. Para seguir trabajando en paralelo al desarrollo, se ha realizado la prueba actual. Para ello se ha usado un simulador<\/strong> llamado Compass. Compass<\/strong> traduce el comportamiento de un chip neurosin\u00e1ptico (no Von Neumann) a un ordenador cl\u00e1sico (Von Neumann). Usando Compass se ha simulado (pdf<\/a>) el comportamiento de 2.000.000.000 chips. Esto supone 500 mil millones de neuronas y 100 billones de sinapsi<\/a><\/a>s, cifras por completo astron\u00f3micas. El resultado de la simulaci\u00f3n se ha ejecutado 1.542 veces m\u00e1s lento que en tiempo real.<\/p>\n

\"Conexiones<\/p>\n

Para realizar la simulaci\u00f3n se ha usado el segundo superordenador m\u00e1s grande del mundo, Sequoia<\/a> un Blue Gene\/Q de 96 armarios con 1 mill\u00f3n y medio de n\u00facleos<\/strong> y 1,5 petabytes de memoria. Uno de los objetivos de la simulaci\u00f3n es ver el escalado. Un problema habitual es que que cuando a\u00f1adimos m\u00e1s cores, el sistema no funciona proporcionalmente m\u00e1s r\u00e1pido. En el extremo, a\u00f1adir m\u00e1s cores no aumenta el rendimiento: el sistema escala mal<\/strong>. Imagina un camarero atendiendo detr\u00e1s de la barra. Si hay un segundo camarero, ir\u00e1n m\u00e1s r\u00e1pido, pero no el doble. Si sigues a\u00f1adiendo camareros, llegar\u00e1 un momento en que no aumente la eficiencia, incluso se ver\u00e1 reducida. El sistema escala mal. Pues bien, en la simulaci\u00f3n realizada el escalado ha sido casi perfecto lo que es muy satisfactorio computacionalmente.<\/p>\n

\u00bfQu\u00e9 tiene esto que ver con la neurociencia y el cerebro? Bien poco. La simulaci\u00f3n<\/a> no imita ning\u00fan comportamiento animal ni cognitivo ni humano. Para simular el comportamiento del cerebro, necesitamos saber c\u00f3mo funciona y eso est\u00e1 lejos de lograrse. Para cuando llegue ese conocimiento debemos tener preparados ordenadores que sean capaces de simularlo y en este contexto se enmarca la presente investigaci\u00f3n. Aunque no solo; la idea de dise\u00f1ar estos nuevos chips es ponerlos en producci\u00f3n en aplicaciones comerciales tradicionales dando una gran potencia con un bajo consumo. La simulaci\u00f3n del cerebro deber\u00e1 esperar a\u00fan alguna d\u00e9cada.<\/strong><\/p>\n

Fuente: Altioyo<\/p>\n<\/div>\n

\r\n\t\t\r\n\t\t
<\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span>hotmail correo<\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span><\/a><\/span>[?]<\/a><\/span><\/td><\/tr><\/table><\/div>","protected":false},"excerpt":{"rendered":"

IBM simula 500 mil millones de neuronas y 100 billones de sinapsis   En una simulaci\u00f3n neuronal sin precedentes, IBM ha logrado simular 500 mil millones de neuronas y 100 billones de sinapsis. Para ello ha utilizado Sequoia, el segundo superordenador m\u00e1s grande del mundo con mill\u00f3n y medio de n\u00facleos. Esto es una proeza […]<\/p>\n","protected":false},"author":2,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_s2mail":"yes","footnotes":""},"categories":[26],"tags":[],"_links":{"self":[{"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/posts\/11573"}],"collection":[{"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/comments?post=11573"}],"version-history":[{"count":0,"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/posts\/11573\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/media?parent=11573"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/categories?post=11573"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.emiliosilveravazquez.com\/blog\/wp-json\/wp\/v2\/tags?post=11573"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}