El «Mono Darwin»: China crea computadora similar al cerebro de un macaco con más de 2 mil millones de neuronas artificiales

Investigadores chinos han alcanzado un hito en la inteligencia artificial con el desarrollo de un sistema neuromórfico inspirado en el cerebro de un macaco, denominado «Mono Darwin» o «Wukong», en honor al personaje mitológico chino que inspiró figuras populares como Gokú de Dragon Ball.

Crédito: MysteryPlanet.com.ar.

Este avance, realizado en el Laboratorio Nacional Clave de Inteligencia Cerebro-Computadora de la Universidad de Zhejiang, no solo establece un nuevo estándar en eficiencia y computación paralela, sino que también permite simular con precisión la estructura cerebral de un macaco.

El «Mono Darwin» emula de manera innovadora este cerebro primate, integrando 2 mil millones de neuronas que disparan impulsos eléctricos y más de 100 mil millones de sinapsis, lo que le otorga la capacidad de realizar millones de cálculos por segundo, colocándose así a la vanguardia de la investigación en sistemas inspirados en el cerebro.

Computación neuromórfica

La computación neuromórfica, que busca emular la arquitectura y funcionamiento del cerebro humano, ha experimentado rápidos avances en los últimos años, impulsada por la carrera global por la inteligencia artificial. El «Mono Darwin» representa un salto significativo respecto al proyecto previo de la Universidad de Zhejiang, el «Ratón Darwin» de 2020, que contaba con 120 millones de neuronas artificiales. Este nuevo sistema demuestra un crecimiento exponencial en capacidades en tan solo cinco años.

Hasta ahora, el sistema neuromórfico más avanzado era el Hala Point de Intel, con 1.150 millones de neuronas. No obstante, el reciente logro chino ha llevado la eficiencia energética y el procesamiento paralelo a nuevos niveles, respondiendo a las preocupaciones sobre el consumo insostenible de recursos en los sistemas de IA actuales.

Diseño y desafíos técnicos

El chip neuromórfico Darwin 3, clave en el funcionamiento de este sistema, fue desarrollado a principios de 2023 a través de una colaboración entre la Universidad de Zhejiang y el Zhejiang Lab. Cada chip contiene 2.35 millones de neuronas y es capaz de operar a velocidades exascala, realizando hasta 10¹⁸ cálculos por segundo. Además, presenta conjuntos de instrucciones inspirados en el cerebro y sistemas de aprendizaje en línea neuromórfico.

El sistema completo consta de 15 servidores, cada uno con 64 de estos chips avanzados. Los servidores, diseñados para maximizar la eficiencia energética, cuentan con una arquitectura que minimiza los cuellos de botella en la comunicación entre chips.

Darwin 3. Crédito: Universidad de Zhejiang.

Entre los avances técnicos del proyecto se destacan la creación de una arquitectura de interconexión e integración a gran escala de redes neuronales, un método adaptativo de control de tiempos, el diseño de chips delgados inspirados en el cerebro, y una estrategia de intercambio de datos para un sistema de memoria multinivel.

Simulaciones y futuro de la IA

Para sacar el máximo provecho del sistema, los investigadores desarrollaron un nuevo sistema operativo adaptado a las exigencias de la computación neuromórfica, el cual optimiza la asignación de tareas considerando tanto el ancho de banda de comunicación como las características de las tareas. Durante las pruebas, el sistema fue capaz de ejecutar el modelo de lenguaje DeepSeek, realizando tareas complejas como la creación de contenido, la resolución de problemas matemáticos y el razonamiento lógico.

Aunque el «Mono Darwin» aún no alcanza las capacidades del cerebro humano, los investigadores consideran que representa una herramienta valiosa para la investigación cerebral y el desarrollo de inteligencia artificial avanzada. El equipo logró simular los cerebros de organismos como Caenorhabditis elegans, peces cebra, ratones y macacos, lo que abre nuevas posibilidades para la experimentación en IA.

Con su escala masiva, paralelismo y eficiencia energética, el «Mono Darwin» está bien posicionado para explorar áreas avanzadas de la IA, especialmente en lo que respecta al aprendizaje no supervisado y a la mejora de los sistemas de IA del futuro.

Fuente: SCMP. Edición: MP.