Si los coches pueden frenar antes que tú, ¿qué más pueden hacer la computación neuromórfica y periférica?
Una furgoneta de reparto reduce la velocidad cuando un ciclista se desvía hacia su carril. El conductor no toca los frenos. El cerebro integrado en la furgoneta reacciona al instante para evitar una colisión. Al otro lado de la ciudad, una farola se ilumina cuando se acerca un peatón. En una fábrica muy concurrida, un brazo robótico detiene lo que está haciendo para esquivar una herramienta que cae antes de continuar con su tarea.
En cada caso, las máquinas toman decisiones por sí mismas en fracciones de segundo. No hay retrasos ni instrucciones de servidores lejanos. Todo sucede en el lugar y momento justos.
Este nuevo nivel de toma de decisiones instantánea e inteligente es posible gracias a la combinación de dos tecnologías: la computación neuromórfica y periférica.
Computación neuromórfica
Nuestros cerebros no funcionan a toda velocidad 24/7. Las neuronas trabajan bajo demanda, activándose solo cuando es necesario. La computación neuromórfica copia esta idea.
La mayoría de los chips de ordenador siguen ejecutando tareas una y otra vez, incluso cuando no ocurre algo importante. Los chips neuromórficos solo se activan cuando es necesario. Pueden manejar muchas cosas a la vez, como el cerebro, además de aprender y mejorar con la experiencia.
Pensemos en una cámara de seguridad inteligente en una oficina vacía por la noche. En lugar de grabar horas de imágenes sin contenido, permanece en modo de bajo consumo. En el momento en que detecta movimiento, se activa, graba, analiza lo que está sucediendo y decide qué hacer. Todo esto ocurre sin que el sistema de cámaras tenga que enviar cada fotograma a un servidor.
Estados Unidos es líder mundial en esta tecnología. En 2024, el mercado de la computación neuromórfica en Estados Unidos tendrá un valor aproximado de 1.760 millones de dólares y se espera que alcance más de 12.000 millones de dólares en 2034. Este crecimiento está impulsado por los laboratorios de investigación y las industrias que utilizan chips neuromórficos en la fabricación de coches autónomos, robots, imágenes médicas y dispositivos inteligentes de consumo.
Computación periférica
La computación periférica tiene que ver con la ubicación. Significa manejar la información cerca de donde se recopila, en lugar de enviarla a un servidor lejano.
Esto es importante porque:
Las decisiones son más rápidas, sin retrasos de Internet.
La privacidad es mayor, ya que los datos permanecen en el dispositivo.
Los sistemas siguen funcionando incluso si se cae Internet.
Un semáforo inteligente es un buen ejemplo. Si tuviera que enviar cada imagen a un servidor lejano antes de cambiar de color, el tráfico se ralentizaría hasta casi detenerse. Con la computación periférica, el semáforo puede ver lo que está sucediendo y reaccionar al instante.
Estados Unidos es también el mayor mercado para la computación periférica. En 2023, su valor era de casi 98.000 millones de dólares y se espera que crezca hasta superar los 1,5 billones de dólares en 2034.
¿Por qué combinar ambas tecnologías?
La computación neuromórfica proporciona a los dispositivos la capacidad de aprender, adaptarse y comprender patrones complejos. La computación periférica les da los reflejos necesarios para actuar rápidamente sin ayuda.
Cuando se combinan, crean máquinas que piensan y reaccionan como los seres humanos. Son rápidas, se centran en lo esencial y consumen poca energía.
En muchos dispositivos actuales, los chips tradicionales desperdician energía al procesar todos los datos por igual. Los chips neuromórficos omiten lo que no es necesario y se centran solo en lo que importa en tiempo real. He aquí un ejemplo del mundo real: un dron que inspecciona una turbina eólica puede detectar una grieta, informar de los detalles y luego cambiar su trayectoria de vuelo. Aprovechando las ventajas combinadas de estas tecnologías, puede grabar sin agotar su batería ni sufrir retrasos por esperar las instrucciones proporcionadas por un sistema basado en la nube.
Beneficios
La combinación de la computación neuromórfica y la computación periférica ofrece ventajas en varias áreas.
Ahorra energía
Los chips neuromórficos pueden utilizar entre un 1 % y un 10 % de la energía que consumen los procesadores normales. Esto significa que los sensores o dispositivos portátiles de seguimiento de la salud pueden funcionar durante meses sin necesidad de recargarlos.
Actúa en tiempo real
Desde detener un coche hasta arreglar un proceso de fábrica, estos sistemas responden en milisegundos.
Mantiene la privacidad de sus datos
Los dispositivos almacenan la información personal localmente en lugar de enviarla a través de Internet.
Funciona con dispositivos de cualquier tamaño
Desde un pequeño sensor doméstico hasta una flota de robots de reparto, el mismo enfoque es válido.
Desafíos
La combinación de ambas capacidades ofrece potentes prestaciones, pero hay varios retos que superar.
Ausencia de estándares comunes
No existe un conjunto único de reglas sobre cómo deben funcionar conjuntamente los diferentes dispositivos y plataformas. Esto dificulta la conexión de sistemas de diferentes proveedores.
Alto coste y complejidad
Los chips neuromórficos son caros de fabricar. El potente hardware periférico también puede suponer un gran coste inicial. Lo anterior se suma a la inversión necesaria antes de que un proyecto pueda ponerse en marcha.
Durante años, la mayor parte de la potencia informática ha residido en la nube. Esto significa que dispositivos como teléfonos, sensores o cámaras se limitaban principalmente a recopilar datos y enviarlos a través de Internet a servidores distantes. Ahí se realizaba todo el procesamiento y el análisis. Esto funcionaba cuando la velocidad, la privacidad y la duración de la batería eran menos importantes.
Con la computación neuromórfica y periférica, el equilibrio está cambiando. Los dispositivos pueden tomar sus propias decisiones allí donde se encuentran. Pueden reaccionar al instante para proteger los datos recopilados y ahorrar energía cuando sea necesario.
Los dispositivos más inteligentes del futuro no estarán constantemente pidiendo instrucciones. Se encargarán de todo de forma silenciosa y eficiente.