COMPUTACION COGNITIVA E INTELIGENCIA COGNITIVA DEL GRUPO
GRUPO D
ACTIVIDAD 2 ¨PROYECTO DE INVESTIGACION PARTE 1 ¨
Simulación Neuronal en Software.
1. ECOSISTEMA SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics)
DOCTORA: FABIOLA SERNA HERNANDEZ
LILIANA CASTILLO HERNANDEZ
GERARDO CORTEZ JIMEMEZ
20 DE FEBRERO DEL 2020
¨PROYECTO DE INVESTIGACION PARTE 1 ¨
Simulación Neuronal en Software.
1. ECOSISTEMA SyNAPSE (Systems of Neuromorphic Adaptive Plastic Scalable Electronics)
LOGOTIPOS (EVOLUCIÓN DE LOS LOGOS)
DIAGRAMA
CARACTERISTICAS GENERALES
SyNAPSE es un programa DARPA que tiene como objetivo desarrollar tecnología de máquina neuromórfica electrónica , un intento de construir un nuevo tipo de computadora cognitiva con forma, función y arquitectura similar al cerebro de los mamíferos. Tales cerebros artificiales se usarían en robots cuya inteligencia se escalaría con el tamaño del sistema neural en términos del número total de neuronas y sinapsis y su conectividad.
CARACTERISTICAS TECNICAS (LENGUAJE EN EL CUAL ESTA DESARROLLADO, ETC)
SyNAPSE es un backronym para sistemas de electrónica escalable de plástico adaptativo neuromórfico . El nombre alude a las sinapsis , las uniones entre las neuronas biológicas. El programa lo llevan a cabo los Laboratorios HRL (HRL), Hewlett-Packard e IBM Research.
El equipo SyNAPSE para IBM está dirigido por Dharmendra Modha , gerente de la iniciativa de computación cognitiva de IBM. El equipo SyNAPSE para HRL está dirigido por Narayan Srinivasa, gerente del Centro de Sistemas Neuronales y Emergentes de HRL.
La fase inicial del programa SyNAPSE desarrolló componentes sinápticos electrónicos a escala nanométrica capaces de adaptar la fuerza de conexión entre dos neuronas de manera análoga a la observada en los sistemas biológicos ( aprendizaje hebbiano ), y simuló la utilidad de estos componentes sinápticos en microcircuitos centrales que soportan La arquitectura general del sistema.
Los esfuerzos continuos se centrarán en el desarrollo de hardware a través de las etapas de desarrollo de microcircuitos, desarrollo de procesos de fabricación, desarrollo de sistemas de un solo chip y desarrollo de sistemas de múltiples chips. En apoyo de estos desarrollos de hardware, el programa busca desarrollar herramientas de arquitectura y diseño cada vez más capaces, simulaciones por computadora a gran escala de los sistemas electrónicos neuromórficos para informar a los diseñadores y validar el hardware antes de la fabricación, y entornos virtuales para capacitación y prueba Sistemas neuromórficos simulados y de hardware.
¿Cómo se ve una placa de circuito con una matriz 4 × 4 de chips desarrollados por SyNAPSE. Cada chip tiene un millón de "neuronas" electrónicas y 256 millones de sinapsis electrónicas entre neuronas. Construido sobre tecnología de proceso de 28 nm el chip de transistor de 5.400 millones tiene uno de los conteos de transistores más altos de cualquier chip producido hasta 2014.
¿Cómo benefició el uso de las redes neuronales a la resolución de problemas clásicos?
Inspiradas en el comportamiento del cerebro humano, las redes neuronales artificiales son un campo muy importante dentro de la inteligencia artificial. Su objetivo es tratar de buscar modelos que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales.
Las redes neuronales permiten extraer información útil y producir inferencias a partir de los datos disponibles gracias a su capacidad de aprendizaje. Sus propiedades como reconocedores de patrones altamente tolerantes a errores permiten combinar las cualidades del razonamiento humano con la lógica precisa y la memoria de los ordenadores, por lo que resultan de gran utilidad en medicina como sistemas de apoyo a las decisiones médicas, es decir anatomía y fisiología, educación, deportes, y ha favorecido al minimizar tiempos, riesgos y costos en la mayoría de acciones de nuestra vida cotidiana, y de acuerdo a nuestras necesidades
Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los parámetros de un modelo cognitivo con algún sistema dinámico.
¿Qué alcances ha tenido la aplicación de las redes neuronales en el desarrollo de la ciencia y la tecnología?
Las interfaces neuronales han demostrado su capacidad para dar buenos resultados en el control de dispositivos externos mediante las señales corticales o periféricas.
Se han enfocado de manera especial en el desarrollo de comandos de fácil ejecución como controles ambientales de temperatura, luz, televisión, respuesta a preguntas tipo sí/no, procesamiento de palabras a bajas velocidades (máxima velocidad alcanzada 2 letras/min.). Otros más complejos incluyen la operación de dispositivos o mecanismos como sillas de ruedas, control de prótesis, ortesis, exoesqueletos, robots y cursores de computador.
En medicina muchos pacientes, principalmente los que conservan el control muscular de algunos miembros, tienen mejores opciones en comparación con las interfaces neuronales. Para estos pacientes generalmente es más sencillo y menos traumático utilizar las contracciones musculares mediante EMG como señales de control para estas aplicaciones o incluso señales del movimiento ocular con EOG. Aunque el control con estos últimos es más rápido y preciso que con las interfaces neuronales actuales, las señales de electroencefalografía (EEG) pueden permitir el control de un mayor número de grados de libertad en comparación con las prótesis mioeléctricas (cuatro grados de libertad). Además existen muchos pacientes que han perdido totalmente el control muscular, se fatigan con facilidad o presentan desórdenes en el movimiento.
La información neuronal puede resultar excelente para el control si se le hace el procesamiento correcto, pues se ha demostrado que las neuronas motoras pueden proveer estimaciones fiables de las intenciones motoras, incluyendo fuerza y dirección . De esta manera sería posible sustituir de forma casi natural los movimientos de la mano para tareas cotidianas como el alcance de alimentos que se encuentran en diferentes posiciones, su agarre y posterior transporte a la boca, entre muchos otros ejemplos. En estudios realizados con interfaces con computadores, se ha mostrado que los sujetos pueden controlar un cursor en una pantalla, indicando que se puede alcanzar más que un simple control on-off. Así, las señales neuronales pueden resolver algunos de los problemas que se presentan con las señales electromiográficas para el control de prótesis, robots y demás aplicaciones que lo requieren. Incluso algunos estudios han llegado más allá de permitir movimientos de cursores en 2D logrando extender el control de los movimientos de manera continua a tres dimensiones. Taylor et al. (2002) lograron con primates el movimiento de un cursor en 3D mediante realidad virtual, tanto con un control manual como con uno neuronal. A su vez estos experimentos se han modificado cambiando el movimiento de cursores por el movimiento de robots virtuales.
¿Qué papel han jugado las redes neuronales en la nueva disciplina que implica a las ciencias cognitivas?
Los términos de la ciencia cognitiva no son etiquetas arbitrarias que se aplican a las redes neuronales. Históricamente, la relación entre el cómputo y la cognición surgió a principio de los años cincuenta durante la revolución cognitiva y cuando la psicología basada en el comportamiento humano adoptó a la mente y sus procesos. Actualmente, la ciencia cognitiva es una materia interdisciplinaria que crece y se superpone con casi todos los aspectos de la tecnología.
La psicología examina las experiencias humanas internas y externas, como individuos y en grupos. En las redes neuronales, los principios de la psicología nos permiten entender por qué estos son susceptibles a las amenazas, como en el caso del phishing y de la ingeniería social y cómo los errores humanos afectan a los sistemas.
El enfoque de las redes neuronales en la analítica del comportamiento y la biometría también depende de la psicología que se concentra en medir y darle sentido al comportamiento humano. Entender la psicología humana es crítico para las investigaciones forenses, para construir los perfiles de las amenazas internas, y para establecer en qué momento generar las alertas que ayuden a educar a los usuarios.
La filosofía hace una exploración crítica de la realidad y del conocimiento que puede servir de guía a los sistemas de creencias humanas sobre la existencia, el aprendizaje, los sistemas sociales y la ética. Cómo percibimos el mundo -y lo que creemos de él impacta profundamente nuestros procesos de pensamiento, nuestra habilidad de aprender y nuestro comportamiento.
La lingüística realiza una exploración científica del lenguaje. La lingüística cognitiva (1970) está vinculada directamente con la ciencia cognitiva y aborda temas asociados con la manera en que el lenguaje le da forma al pensamiento y el entendimiento.
REFERENCIAS BIBLIOGRAFICAS
Black M. J., Bienenstocky E., Donoghuey J.P, Serruyay M., Wuz W., Gaoz Y. Connecting Brains with Machines: The Neural Control of 2D Cursor Movement. 1st International IEEE/EMBS Conference on Neural Engineering, pp. 580-583, Capri, Italy, March, 2003.
Kelly S., Burke D., Chazal D., Reilly R. Parametric models and Classification for Direct Brain Interfaces. Proceedings of the Irish Signal and Systems Conference, Cork, Ireland, June 2002.
Curran E., Stokes M. Learning to control brain activity: A review of the production and control of EEG components for driving brain-computer interface (BCI) systems. Brain and Cognition, 51, 326-336, 2003.
Gracias por compartir su investigación. ¡Bien realizado!
ResponderBorrar