Un equipo de investigadores de la Universidad de Indiana en Bloomington ha creado un chip con neuronas humanas reales.
Esta técnica, llamada Brainoware, ha permitido que el procesador pueda resolver operaciones matemáticas sencillas y abre nuevas puertas en el estudio de este campo tecnológico.
En la investigación, los científicos integraron tejido cerebral humano real con la electrónica.
El equipo dirigido por el ingeniero Feng Guo lo alimentó con tareas como reconocimiento de voz y problemas matemáticos como la predicción de ecuaciones no lineales.
Aunque el chip era un poco menos preciso que una computadora de hardware puro con inteligencia artificial, este nuevo proyecto logró ejecutar y resolver problemas matemáticos sencillos, siendo un paso importante para el campo.
Las neuronas utilizadas fueron cultivadas en laboratorio. Se trabajaron las células madre para que se desarrollaran en diferentes tipos de células madre que se organizaban en minicerebros tridimensionales llamados organoides, completos con conexiones y estructuras.
El Brainoware consiste en que estos organoides estén conectados a una serie de microelectrodos de alta densidad, utilizando un tipo de red neuronal artificial conocida como computación de reservorio. La estimulación eléctrica transporta información al organoide, el reservorio donde se procesa investigación antes de que el Brainoware arroje los cálculos en forma de actividad neuronal.
Para demostrar el éxito de la operación, los científicos dieron al sistema 240 clips de audio de ocho hablantes masculinos que emitían sonidos de vocales japoneses y le pidieron que identificara la voz del individuo en específico.
Tras dos días de entrenamiento, el Brainoware pudo identificar al hablante con un 78 % de precisión, según se lee en el estudio publicado en Nature Electronics.
El mecanisno era ligeramente menos preciso que las redes neuronales artificiales con una unidad de memoria a corto plazo, pero cada una de esas redes había pasado por 50 épocas de entrenamiento. Brainoware logró casi los mismos resultados en menos del 10 % del tiempo de entrenamiento.
Eso sí, algunos estudiosos han advertido que es necesario que este tipo de procesos sean vistos de cerca para confirmar que los investigadores siguen las pautas éticas para este tipo de sistemas bioinformáticos.
