Crean un chip biomorfico que es casi biológico
Un chip experimental puede recordar, adaptarse y reconocer información casi como lo hacemos nosotros, acercando la inteligencia artificial al mundo real de forma sorprendente y útil para nuestra vida cotidiana.
[–>[–>[–>Investigadores de la Universidad de Texas han construido un prototipo funcional de ordenador cerebral neuromórfico inspirado en la manera en que el cerebro aprende y procesa información. Los resultados de este trabajo se publican en la revista Communications Engineering.
[–> [–>[–>El núcleo de esta nueva tecnología es un chip cerebral basado en «uniones túnel magnéticas» (MTJ, por sus siglas en inglés): pequeños dispositivos que simulan el funcionamiento de las sinapsis neuronales. Una MTJ contiene dos capas de material magnético separadas por un aislante, y los electrones pueden atravesar ese aislamiento dependiendo de la alineación de las capas. Esta mecánica simple, similar a la transmisión de señales en el cerebro, permite que el chip almacene y procese información en el mismo lugar, igual que ocurre con las neuronas y sinapsis.
[–>[–>[–>
Datos clave de esta investigación
- Innovación: Primer chip inspirado en el cerebro, capaz de aprender y recordar como una persona.
- Funcionamiento: Utiliza conexiones magnéticas (MTJ) que imitan las sinapsis, permitiendo aprendizaje autónomo sin datos etiquetados.
- Validación: Demuestra que puede reconocer patrones y agrupar imágenes, con éxito equiparable a métodos analógicos más complejos.
- Ventajas: Mayor precisión, estabilidad y eficiencia energética en comparación con sistemas convencionales.
- Aplicación futura: Posible uso en móviles, robots y tecnología médica portátil para tareas inteligentes cotidianas.
- Importancia: Une ingeniería, computación y neurociencia para acercar la inteligencia artificial al comportamiento humano.
[–>[–>[–>
Aprendizaje particular
[–>[–>[–>
Lo que distingue a este chip cerebral neuromórfico de los sistemas convencionales es la forma en que aprende. En vez de usar algoritmos complejos y costosos, su aprendizaje se basa en la llamada «ley de Hebb», famosa por el principio de que “las neuronas que se activan juntas se conectan”. Si un impulso o señal artificial provoca que otro se active, la sinapsis entre ambos se refuerza.
[–>[–>[–>Esta manera local y sencilla de modificar la conectividad, mucho más parecida a la biología que a los métodos de aprendizaje supervisado tradicionales (como el backpropagation), hace posible que el chip aprenda de datos no etiquetados y reconozca patrones de forma autónoma y eficiente.
[–>[–>[–>
Mejor arquitectura
[–>[–>[–>
En los experimentos realizados, los investigadores lograron que redes neuromórficas basadas en MTJ procesaran imágenes y aprendieran a reconocer dígitos escritos a mano con una precisión comparable a la de sistemas analógicos más complejos, pero usando una arquitectura mucho más eficiente y estable.
[–>[–>
[–>El secreto está en la combinación de dos ventajas: por un lado, los estados binarios de las MTJ son fiables para almacenar información y no sufren la degradación que afecta a otros tipos de memoria; por otro, sus procesos de conmutación estocástica (aleatoria) permiten simular el aprendizaje analógico necesario para adaptar el conocimiento y evolucionar tras cada nueva experiencia. Es decir, logran precisión y aprendizaje flexible.
[–>[–>[–>
Al integrar capacidad de cómputo y almacenamiento en el mismo hardware, estos chips pueden realizar operaciones de inteligencia artificial sin depender de grandes centros de datos ni de procesos externos de entrenamiento.
[–>[–>[–>Esto significa que podrían incorporarse en dispositivos móviles, herramientas médicas portátiles o sistemas robóticos autónomos, haciendo posible una inteligencia que aprende y toma decisiones sobre la marcha, como lo hace el cerebro humano.
[–>[–>[–>
Referencia
Neuromorphic Hebbian learning with magnetic tunnel junction synapses. Peng Zhou et al. Communications Engineering volume 4, Article number: 142 (2025). DOI:https://doi.org/10.1038/s44172-025-00479-2
[–>[–>[–>
Potencial ético y social
[–>[–>[–>
Estos chips cerebrales neuromórficos prometen una democratización del acceso a inteligencia avanzada, permitiendo que aplicaciones cruciales —desde diagnósticos médicos rápidos hasta sistemas de seguridad y asistencia adaptativa— funcionen con mínimos requisitos energéticos y sin requerir costosos recursos de computación.
[–>[–>[–>
La tecnología no solo se vuelve más accesible, sino que lo es en condiciones más sostenibles para un uso realista y cotidiano.
[–>[–>[–>
Puedes consultar la fuente de este artículo aquí