Nella vita di tutti i giorni le reti neurali vengono ampiamente utilizzate sia per svolgere attività più semplici come il riconoscimento del viso e del parlato, eseguite sui nostri cellulari, sia per svolgere compiti più complessi come la diagnosi medica o la guida autonoma. Tuttavia questi compiti richiedono un’elevata velocità di elaborazione di dati che per ora è poco efficiente se si continuano ad utilizzare i computer tradizionali.

Per superare i limiti dell’esecuzione nell’elaborazione imposti dai computer convenzionali si cerca di sviluppare hardware che lavorino in modo simile ai costituenti di base del cervello, quindi neuroni e sinapsi, combinandoli in reti adeguatamente scalate ed array.

Recentemente grazie agli studi condotti da ricercatori dell’Università di Münster, in Germania e di quelle di Oxford ed Exeter, nel Regno Unito, è stato proposto un sistema di implementazione hardware nel dominio ottico e non elettronico (come lo era invece stato il recente Loihi della Intel).

La ricerca pubblicata su Nature propone un circuito neurale ottico, con sinapsi ottiche e dimostra che tale sistema è capace del compito prototipale di Intelligenza Artificiale di riconoscimento di un modello. Per la prima volta è stata realizzata una rete neurale artificiale, completamente ottica, in grado di funzionare in modo analogo al cervello umano che imitando il comportamento di neuroni e sinapsi ha già dimostrato di poter imparare semplici schemi visivi di riconoscimento.

Schema della rete realizzata in questo studio, composta da diversi neuroni di input pre-sinaptici e un neurone di uscita post-sinaptico collegato tramite sinapsi PCM. I picchi di ingresso sono ponderati utilizzando celle PCM e riassunti utilizzando un multiplexer WDM (MUX). Se la potenza integrata dei picchi post-sinaptici supera una certa soglia, la cella PCM sul risonatore ad anello si spegne e viene generato un impulso di uscita (picco neuronale).
Credit: nature.com

Tuttavia quando parliamo di computer e cervello ci riferiamo a due cose completamente diverse. I primi si basano sull’architettura di von Neumann con due unità separate per la memoria e il processore che operano in modo sequenziale, un comando alla volta. E quindi le informazioni devono viaggiare fra unità di memoria e di elaborazione. Nei secondi invece, elaborazione ed immagazzinamento dei dati, avvengono nello stesso posto: le sinapsi, ossia i punti di collegamento fra i neuroni.

Ciò è possibile perché le sinapsi, in cui sono codificate le memorie, sono anche in grado di regolare la comunicazione fra i neuroni attraverso un cambiamento di “stato”:  per esempio, possono rafforzarsi, indebolirsi o essere riassorbite, a seconda dei segnali provenienti da altri neuroni.

Illustrazione schematica di un chip basato sulle nove tecnologie ottiche. Credit: Fun-COMP project

Alla base degli studi condotti dal gruppo di ricerca guidato da Johannes Feldmann vi è la capacità dei microchip ottici di essere integrati con materiali a cambiamento di fase, cioè materiali che possono cambiare le loro proprietà ottiche a seconda che siano allo stato cristallino (in cui i loro atomi sono disposti in modo regolare) o amorfi (in cui gli atomi hanno una disposizione irregolare). Il cambiamento di fase può essere innescato dalla luce quando un laser riscalda il materiale.

In questo modo è stato possibile originare un chip ottico contenente quattro neuroni artificiali e 60 connessioni, o sinapsi. Il chip si basa poi su due diversi algoritmi di apprendimento per imparare a riconoscere alcuni schemi visivi. Si tratta di un apprendimento che avviene sia in modo supervisionato che non supervisionato. Nel primo caso input e output sono noti, nel secondo la rete si adatta da sola a caratteristiche di ripetizione specifiche e modelli sconosciuti, in anticipo.

Ora i ricercatori intendono realizzare reti con un maggior numero di strati e di neuroni e sinapsi artificiali, affrontando le diverse difficoltà tecniche che sorgono via via che quel numero cresce. Per confronto, si stima che il numero di sinapsi presenti in un cervello umano sia nell’ordine del milione di miliardi.

“Il nostro sistema ci consente di compiere un grande passo avanti verso la realizzazione di computer che lavorano in modo simile al cervello e che sono anche in grado di lavorare a compiti basati sul mondo reale”.

Ad esempio, con l’aiuto di questi chip, si potrebbe arrivare ad identificare automaticamente e velocemente le cellule tumorali. Tuttavia c’è ancora molto lavoro da fare, sottolineano i ricercatori, prima di poter giungere ad applicazioni simili.

LEAVE A REPLY

Please enter your comment!
Please enter your name here