Melissa Paola Gosset Soto (158901), Mara Yerin Guerrero Blasques (160191),

Ral Cabrales Bravo (160736), Aranza Carreto Gonzlez (158939)

Tecnologa neuromrfica

La tecnologa ha avanzado drsticamente en los ltimos aos, y con este cambio han ido
surgiendo cada vez ms ideas y propuestas para continuar progresando. Una de estas ideas
fue la inteligencia artificial, de la cual posteriormente deriv lo que hoy en da se conoce
como tecnologa neuromrfica. A pesar de que esta tecnologa es poco conocida, se
considera que tiene un futuro muy prometedor en el mbito computacional y de aparatos
electrnicos en general. Es por eso que es importante conocer en qu consiste y cmo se
estar aplicando en los prximos aos.

La tecnologa neuromrfica, que est formada por microprocesadores (o chips), busca imitar
la manera en la que el cerebro procesa la informacin que recibe. Las computadoras actuales
son rpidas y complejas, pero no existe comparacin al ponerlas a un lado del procesamiento
del cerebro humano. stas saben responder a rdenes pre-programadas, pero a la hora de
encontrarse con algo nuevo no saben cmo reaccionar, a diferencia del cerebro, que encuentra
soluciones basndose en previas experiencias.

El objetivo de esta tecnologa es lograr que para las computadoras sea posible aprender y
encontrar soluciones tan rpida y eficientemente como le es posible hacer al ser humano.
Principalmente se preocupa por imitar las funciones del lado derecho del cerebro, ya que es
la parte que percibe los sentidos. Al poder replicar esta rea, se logra que el microprocesador
tenga una mejor capacidad de responder a situaciones que incluyan imgenes, aromas e
informacin.

A pesar de que desde 1980 Carver Mead introdujo el trmino neuromorphic computing
(tecnologa neuromrfica), no fue hasta principios de los 90s que la idea de esta tecnologa
como la conocemos ahora inici verdaderamente. Se empez a creer que sistemas basados
en el funcionamiento del cerebro humano podan llegar a ser millones de veces ms
poderosos y eficientes que los sistemas ya existentes en esos aos. Desde entonces, ha habido
un importante progreso en la tecnologa, logrando as sistemas cada vez ms eficientes. Al
observar que era posible lograr estas mejoras, distintos grupos de investigadores comenzaron
a buscar formas de crear una versin miniatura del cerebro que volviera a los sistemas an
mejores eficientemente. Fue as como se comenzaron a hacer los microprocesadores
neuromrficos, que fueron formados de neuronas de silicn.

La manera en que funcionan los microprocesadores neuromrficos consiste en que no slo

tienen elementos de procesamiento, sino que tambin de almacenamiento, los cuales trabajan
en conjunto. Esto copia el funcionamiento de las neuronas que, trabajando en una gran serie
de redes, forman al cerebro. Este sistema beneficia drsticamente la rapidez del proceso de
la computadora y la manera en la que sta aprende.

La tecnologa neuromrfica puede ser aplicada de diferentes maneras y en diferentes objetos.

Por ejemplo, se puede aplicar a drones, los cuales con un chip neuromrfico podran captar
de mejor manera las seales visuales que se les presenten. Adems, los smartphones seran
 Melissa Paola Gosset Soto (158901), Mara Yerin Guerrero Blasques (160191),
Ral Cabrales Bravo (160736), Aranza Carreto Gonzlez (158939)

capaces de volverse an ms inteligentes y las computadoras tendrn cada vez mejor

habilidad para aprender.

Un ejemplo de un chip, o microprocesador, neuromrfico es el TrueNorth de IBM. Este chip

est conformado por un milln de neuronas y 256 millones de sinapsis. Puede realizar
procesos de una manera drsticamente superior a lo que actualmente hace una CPU (unidad
central de procesamiento) normal. Otro ejemplo es el chip creado por HRL; este
microprocesador cuenta con 576 neuronas de silicn que le dan la posibilidad de aprendizaje
y de buscar soluciones a problemas o situaciones que nunca antes se le haban presentado.

Es evidente que la tecnologa neuromrfica puede llegar a lograr grandes cambios y avances
en el mundo computacional. Incluso, se cree que para el ao 2020, los microprocesadores
neuromrficos sern comunes en la sociedad y la rapidez en el procesamiento de la
informacin tendr un gran incremento. A pesar de no ser un mbito ampliamente conocido
por la poblacin, en los ltimos aos, los investigadores han logrado crear chips como el
TrueNorth, que en un futuro traern beneficios evidentes para todo el pblico. Solamente
resta esperar a ver los resultados y efectos que tiene esta nueva tecnologa.

Referencias:

Schuller, I. & Stevens R.. (2015). Neuromorphic Computing: From Materials to Systems
Architecture. septiembre 17, 2017, de U.S. Department of Energy Sitio web:
https://science.energy.gov/~/media/bes/pdf/reports/2016/NCFMtSA_rpt.pdf

Meyerson, B., Whittaker, W., Lewis, J., Pellini, M., Carbeck, J., Cassell, J., Mellon, C.,
Markram, H., Dario, P., Lynas, M. & Greer, J.. (2015). Tecnologa emergente 2015: Chips
de computadora que imitan el cerebro humano. septiembre 9, 2017, de World Economic
Forum Sitio web: https://www.weforum.org/es/agenda/2015/03/tecnologia-emergente-
2015-chips-de-computadora-que-imitan-el-cerebro-humano/

Simonite, T.. (2014). A Brain-Inspired Chip Takes to the Sky. septiembre 9, 2017, de MIT
Technology Review Sitio web: https://www.technologyreview.com/s/532176/a-brain-
inspired-chip-takes-to-the-sky/

Frank, A.. (2017). The future of AI is neuromorphic. Meet the scientists building digital
'brains' for your phone. septiembre 17, 2017, de Wired Sitio web:
http://www.wired.co.uk/article/ai-neuromorphic-chips-brains

Gomes, L.. (2017). Neuromorphic Chips Are Destined for Deep Learningor Obscurity.
septiembre 17, 2017, de IEEE Spectrum Sitio web:
https://spectrum.ieee.org/semiconductors/design/neuromorphic-chips-are-destined-for-
deep-learningor-obscurity
 Melissa Paola Gosset Soto (158901), Mara Yerin Guerrero Blasques (160191),
Ral Cabrales Bravo (160736), Aranza Carreto Gonzlez (158939)

Calimera, A., Macii, E., & Poncino, M.. (2013). The Human Brain Project and neuromorphic
computing. septiembre 17, 2017, de National Center for Biotechnology Information Sitio
web: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3812737/