Pero no más bonita

Un equipo interdisciplinario de investigadores en IBM han presentado una publicación en la conferencia de super-computación SC09 en la que describen un hito en computación cognitiva: el simulador córtico masivamente paralelo del grupo, C2, ahora tiene la habilidad de simular un cerebro con alrededor de 4.5 porciento de la capacidad de corteza cerebral de un cerebro humano, y significativamente más capacidad cerebral que un gato.

Y no, este no es otro ejemplo del estilo Kurzweil estimando cuántos “terabytes” de almacenamiento tiene el cerebro humano. Más bien, los autores cuantifican la capacidad cerebral en términos de números de neuronas y sinápsis. El simulador, que corre en la super-computadora Dawn Blue Gene con 147,456 CPUs y 144TB de memoria principal, simula la actividad de 1.617 mil millones de neuronas conectadas en una red de 8.97 billones de sinapsis. El modelo aún no corre en tiempo real, pero sí simula un número de aspectos de interacciones neuronales del mundo real, y las neuronas están organizadas con el mismo tipo de agrupaciones y especializaciones que una corteza mamífera. En otras palabras, es un cerebro mamífero virtual (o al menos parte de uno) dentro de una computadora, y la simulación es tan buena que el equipo está comenzando a encontrarse con algunas cuestiones filosóficas que se hicieron acerca de este tipo de modelos por científicos cognitivos en el transcurso de las últimas décadas.

En resumen, cuando una simulación de un fenómeno complejo (cerebro, sistemas climáticos) llega a cierto nivel de fidelidad, se vuelve igual de difícil entender qué está sucediendo en el modelo, cómo está organizado, o cómo responderá a ciertas entradas, que tratar de responder esas preguntas acerca de una versión real del fenómeno que el modelo está simulando. Así que, construir una simulación de alta precisión de un sistema complejo, no-determinista no significa que inmediatamente entenderás como el sistema funciona, solo significa que en vez de tener una cosa que no entiendes (en cualquier nivel de abstracción), ahora tienes dos cosas que no entiendes: el sistema real, y una simulación del sistema que tiene todas las complejidades del original además de un nivel de complejidad más asociado con la implementación del modelo en hardware y software.

Entre más fiel sea la simulación, más grande se hace este problema. Los investigadores aluden a ello en la sección 3.2.2 de la publicación, cuando describen una herramienta de medición a la cual llaman “BrainCam”.

“Cuando se combina con los modelos de escala-mamífera que ahora son posibles con C2,” escriben, “el torrente de datos puede ser incontenible desde un punto de vista computacional y humano (por ejemplo, la cantidad de datos pueden ser muchos terabytes y la visualización de los datos puede ser demasiado grande o demasiado detallada).”

Sin embargo, el problema descrito arriba no significa que la simulaciones precisas sean inútiles. Puedes experimentar, hacer y deshacer, y diseccionar una simulación de cerebro sin ninguno de los retos éticos o logísticos que surgen al hacer trabajo similar en un cerebro real. Los investigadores de IBM dotaron al modelo con aptitudes para guardar “estados” basado en puntos en el tiempo, para que la simulación pueda ser rebobinada a ciertos estados para después seguir adelante en diferentes condiciones. También tienen la facilidad de generar películas MPG de diferentes aspectos del cerebro virtual en operación, películas que también podrías generar al medir cerebros de animales pero a resoluciones mucho menores. Hasta hay un EKG virtual, que permite a los investigadores validar el modelo comparándolo con EKGs de cerebros reales.

Al final, C2 es como tener una corteza real que no entiendes completamente, pero al cual puedes rebobinar, tomarle fotos, y en general medir bajo diferentes condiciones para que puedas hacer experimentos en él que no serían posibles (o éticos) con cerebros reales.

Escala y Singularidad

Skynet

Uno de los resultados más importantes de la publicación es que la C2 exhibe “escalabilidad débil”. En otras palabras, mientras la cantidad total de memoria se escala, el número de neuronas y sinapsis que pueden ser simuladas se escalan linealmente también. Esto es importante, porque significa que una versión futura de Blue Gene con memoria de dos o tres ordenes de magnitud (y ancho de banda y poder de procesamiento asociado) podrá simular un cerebro humano entero.

El modelo también exhibe “escalabilidad fuerte,” que significa que incrementos en la cantidad de memoria por CPU habilita al modelo para correr más rápido, así que eventualmente podrá simular una corteza en tiempo real.

Original: IBM Makes Supercomputer Significantly Smarter Than Cat – Ars Technica

Traducción de DiosEsImaginario.com

LJ Biología y Genética, Ciencia, Computación, Filosofía