El cerebro piensa en paralelo, como los superordenadores

La computación paralela es una técnica de programación que permite ejecutar simultáneamente muchas instrucciones. Parte de la base de que los problemas grandes hay que dividirlos primero en problemas pequeños para luego resolverlos a la vez (en paralelo).

Esta técnica de programación utiliza múltiples recursos computacionales y se usa particularmente en los superordenadores, conjuntos de poderosos procesadores unidos entre sí para aumentar su potencia de trabajo y rendimiento.

Investigadores del Blue Brain Project han descubierto ahora que el cerebro actúa como una unidad de computación paralela cuando pensamos. Han comprobado que las terminales de las neuronas llamadas dendritas trabajan juntas de forma dinámica según la carga de trabajo a realizar.

Las dendritas son prolongaciones de las neuronas, en forma de filamentos, que reciben los impulsos de otras neuronas y los reenvían a otras neuronas para posibilitar el procesamiento de la información.

IGUAL QUE UN SUPERORDENADOR

Los investigadores han podido observar que una neurona puede gestionar diferentes aspectos de una señal entrante múltiple (paralela), de la misma forma que lo hace un superordenador.

También que cada unidad de computación paralela del cerebro (neurona) puede aprender por sí misma a ajustar la señal que debe replicar a otra neurona, en función de la naturaleza de la señal entrante.

Además, cada neurona actúa de la misma forma que lo hacen los nodos de las redes de aprendizaje profundo explotadas en los modelos actuales de inteligencia artificial, señalan los investigadores.

El sistema de pensamiento dispone también de una especie de infraestructura de computación en la nube, que permite a una neurona compartir dinámicamente con otras neuronas (otras unidades de cómputo independientes) tanta actividad como la que demanda la carga de trabajo de la señal entrante.

Por último, esta investigación muestra cómo estas unidades de procesamiento paralelo influyen en el aprendizaje: la forma en que una neurona aprende, depende de la cantidad y la ubicación de los procesadores paralelos, que a su vez dependen de las señales enviadas por otras neuronas.

Por ejemplo, algunas sinapsis no aprenden independientemente cuando el nivel de la señal de entrada es bajo, pero comienzan a hacerlo cuando la señal es más alta, han podido determinar los investigadores.

La fuerza de una sinapsis determina así la intensidad con la que una neurona percibe la señal eléctrica de un vecino. Esta fuerza es modificada por el proceso de aprendizaje. Una "matriz de conectividad" determina cómo estas sinapsis se comunican entre sí.