I neuroni sono un’unità cellulare alla base del sistema nervoso ed in grado di ricevere, integrare e trasmettere impulsi nervosi (Wikipedia); a loro volta le sinapsi rappresentano “il collegamento” tra gli stessi neuroni e/o altre cellule del corpo umano. La possibilità di ricreare i due elementi in laboratorio, sfruttandone la ben nota versatilità computazionale, era stata teorizzata da tempo ma ad oggi nessun team era riuscito a concretizzarla.
I ricercatori di IBM, dopo un lavoro (ancora in corso) di 10 anni, sono riusciti invece nella sorprendente impresa di creare delle versioni artificiali di neuroni e sinapsi, aprendo nuovi orizzonti nel campo del machine learning e deep learning. L’idea degli scienziati era quella di imitare i processi che regolano le capacità di apprendimento cognitivo del cervello umano, al fine di migliorare le performance computazionali degli attuali calcolatori.
Tomas Tuma (autore del paper e membro del team di ricerca IBM) ha spiegato sinteticamente in cosa consista la nuova tecnologia: “in linea di massima, il tutto funziona come nel cervello umano, con brevi impulsi elettrici che attraversano le sinapsi ed [attivano] i neuroni. Noi utilizziamo quindi un breve impulso, diciamo nell’ordine dei nanosecondi… per [avviare simili cambiamenti] nel materiale [a cambio di fase]”.
Riprodurre artificialmente determinati meccanismi ad un livello di intensità e di esiguo voltaggio riscontrabili nel corpo umano ha tenuto impegnati a lungo gli studiosi, che hanno infine trovato la loro risposta proprio nei materiali a cambio di fase (phase change materials o PCM).
I PCM sono noti anche come PRAM (phase-change random access memory), una particolare categoria di memoria non volatile che si appoggia a scariche elettriche per passare da uno stato di ordine (cristallino) ad uno stato in cui gli atomi sono distribuiti casualmente (amorfo).
Ciascuno stato non è ovviamente irreversibile ma destinato a mutare alla ricezione di nuove scariche. Il meccanismo può essere utilizzato anche per imitare il classico sistema binario 0 – 1 e rappresentare quindi bit di dati, ma è bene ricordare che i PCM possono assumere anche un numero di stati superiore a due.
Per via delle peculiari qualità (prestazioni e durabilità), i PCM sono da anni oggetto di studio da parte di compagnie che operano nel settore dello storage (Samsung, IBM etc.), in quanto candidati ideali (se non fosse per i costi elevati di produzione) per sostituire le attuali memorie NAND e derivate (alla base di molti SSD). I ricercatori IBM hanno utilizzato tuttavia i PCM per creare un nuovo tipo di processore, ovvero i neuroni a cambiamento di fase – sebbene il processo produttivo sia a 90 nanomentri (nm) e quindi “rudimentale” rispetto agli attuali standard (si pensi alle gpu a 16nm), i ricercatori non escludono di poterlo affinare ulteriormente.
Primi test e possibili applicazioni della tecnologia
Una volta messi alla prova, i neuroni si sono dimostrati in grado di rappresentare veloci e complessi segnali sopportando miliardi di cicli lavorativi – paragonabili a diversi anni di attività con frequenza d’aggiornamento pari a 100Hz. Sorprende anche l’esiguo quantitativo di energia richiesto dai neuroni: circa 5 picojoule per l’aggiornamento di ciascun neurone ed un dispendio medio di 120 microwatt – una semplice lampadina richiede 60 milioni di microwatt.
I neuroni artificiali sono in grado di analizzare consistenti quantità di dati nell’ordine di alcune frazioni di secondo. E’ quindi facile immaginarne l’applicazione in task inerenti l’identificazione di eventuali correlazioni tra dati nell’Internet delle Cose (raccolti di dati dai sensori per elaborare ad esempio previsioni meteo), nei social media (analisi di post ed immagini per individuare nuovi trend in tempo reale) o nel mercato finanziario (individuazione di determinate discrepanze e pattern nelle transazioni finanziarie).
Trattandosi di una ricerca ancora in corso e considerando i costi elevati di realizzazione, è chiaro che il primo vero processore neurale arriverà sul mercato tra diversi anni.