Maquinas sensibles al entorno
El elemento principal de las redes neuronales artificiales es la novedosa estructura del sistema mediante el que se procesa la información, que está compuesto por un gran número de unidades de procesamiento conectadas entre sí y denominadas neuronas, las cuales trabajan en paralelo para dar solución a un problema específico. El disparo de neuronas se distingue de las redes neuronales artificiales al uso, puesto que la información se transmite mediante excitaciones en lugar de mediante la variación del ritmo de disparos. Los socios del proyecto SENSEMAKER opinaban que esto permite excitar las redes neuronales para que abarquen las muy distintas dinámicas necesarias para las aplicaciones ejecutadas en tiempo real. Al ponerlas en práctica en hardware paralelo y reconfigurable, las redes neuronales pueden aprovechar al máximo su paralelismo inherente y ejecutar órdenes de gran tamaño a mayor velocidad que las simulaciones por software. El desarrollo de Circuitos Integrados para Aplicaciones Específicas (ASIC) destinados a redes neuronales es lento y caro. Investigadores de la Universidad del Ulster (Reino Unido) se centraron en arreglos de compuertas programables en campo (FPGA) que permiten utilizar componentes lógicos de configuración sencilla. En concreto, se puede descargar en el dispositivo una serie temporal de bits a modo de actualización de la configuración que permite aplicar al sistema las modificaciones necesarias. Para poder utilizar las respuestas de una red neuronal plausible desde el punto de vista biológico, se implementó en una plataforma FPGA una versión basada en conductancia del modelo neuronal «Integrate and Fire» (I&F). En el hardware también se implementó una forma inspirada en la biología del STPD (Spike timing-dependant plasticity) con el fin de entrenar a la red neuronal. Al utilizar una implementación completamente paralela de este modelo, la cantidad de neuronas que se pueden incorporar quedó limitada por la cantidad de multiplicadores incorporados. Por otro lado, las «arquitecturas multiplexadas en función del tiempo» (time-multiplexed architectures) proporcionaron una solución intermedia positiva entre velocidad de computación y tamaño de la red neuronal. La configuración final del sistema se probó mediante la ejecución de transformaciones coordinadas que arrojaron resultados prometedores. Esta aplicación se concibió como parte del proyecto SENSEMAKER, cuyo objetivo era el de crear un sistema de hardware capaz de unir datos multisensoriales y que fuese consciente, hasta cierto punto, de su entorno. Las transformaciones de coordenadas convierten los ángulos de un sensor háptico a coordenadas (x,y) que, a su vez, se utilizan para generar una representación gráfica háptica del espacio de búsqueda. No obstante, se hizo patente la necesidad de mejorar la implementación basada en FPGA para lograr su funcionamiento en tiempo real.
