Prima di procedere
Un team di ingegneri dell'Università del Texas a Dallas ha compiuto un passo significativo verso il futuro dell'intelligenza artificiale, sviluppando un prototipo di computer ispirato al cervello umano. Questa innovativa architettura è in grado di apprendere autonomamente, senza la necessità di enormi quantità di dati o di energia, aprendo nuove prospettive per l'integrazione dell'AI in dispositivi a bassa potenza come smartphone e wearable. I risultati della ricerca sono stati pubblicati sulla prestigiosa rivista Communications Engineering.
Il progetto, guidato da Joseph S. Friedman, professore associato di ingegneria elettrica e informatica e direttore del NeuroSpinCompute Laboratory, si basa su un approccio radicalmente diverso rispetto all'AI tradizionale. Invece di affidarsi a complessi algoritmi e vasti dataset, il dispositivo imita il modo in cui i neuroni umani apprendono: riconoscendo schemi, formulando previsioni e migliorando le proprie prestazioni attraverso il rafforzamento delle connessioni interne. Questo processo avviene ogni volta che una rete di "neuroni artificiali" interagisce con l'ambiente.
Il principio fondamentale alla base di questo comportamento è la legge di Hebb, un concetto chiave della neuropsicologia che afferma: "i neuroni che si attivano insieme si connettono insieme". In termini tecnologici, questo si traduce in un sistema in cui, quando un neurone artificiale ne stimola un altro, la connessione tra i due diventa più conduttiva. Ciò consente al sistema di imparare dai propri errori e di adattarsi rapidamente a nuove situazioni, senza la necessità di lunghi e costosi addestramenti supervisionati, un processo che spesso richiede l'intervento umano per etichettare e categorizzare i dati.
La chiave di questa innovazione risiede nei magnetic tunnel junctions (MTJ), minuscoli componenti composti da due strati magnetici separati da un isolante. Il passaggio degli elettroni attraverso questi componenti varia a seconda dell'allineamento magnetico dei due strati: quando sono orientati nella stessa direzione, la corrente fluisce più facilmente, mentre quando non lo sono, l'opposizione aumenta. Collegando numerosi MTJ in rete, gli ingegneri hanno creato un sistema che si auto-adatta durante il funzionamento, rafforzando o indebolendo i collegamenti in base ai segnali ricevuti, in modo analogo a come avviene nel cervello umano.
A differenza dei chip tradizionali, in cui memoria e processore sono elementi separati che si scambiano dati di continuo, aumentando i costi energetici e i tempi di calcolo, questo approccio unifica archiviazione e calcolo nello stesso punto. Il risultato è un risparmio significativo di energia e la possibilità di apprendere in tempo reale con risorse minime. Friedman sottolinea che "i computer neuromorfici non hanno bisogno di enormi dataset né di potenza di calcolo esorbitante, e potrebbero permettere ai dispositivi intelligenti di funzionare senza ricorrere continuamente al cloud". Questo rappresenta un vantaggio cruciale per applicazioni in cui la connettività è limitata o inesistente, come dispositivi indossabili in aree remote o sensori in ambienti industriali isolati.
Il prossimo passo per il team di ricerca sarà scalare il prototipo, estendendone la capacità di elaborazione e adattamento a compiti più complessi. Un sistema neuromorfico di dimensioni maggiori, spiega Friedman, potrebbe elaborare dati in tempo reale con consumi ridotti a una frazione rispetto agli attuali chip per AI, aprendo la strada a un'intelligenza "auto-apprendente" direttamente a bordo dei dispositivi. Questo potrebbe rivoluzionare settori come la robotica, la guida autonoma e la diagnostica medica, consentendo a dispositivi intelligenti di prendere decisioni rapide e accurate senza la necessità di una connessione costante al cloud. La ricerca completa è disponibile sulla rivista Communications Engineering dell'editore Nature. Questa tecnologia promette di democratizzare l'accesso all'intelligenza artificiale, rendendola disponibile anche in contesti con risorse limitate e aprendo nuove frontiere per l'innovazione tecnologica.
