Glosario IA
El diccionario completo de la Inteligencia Artificial
Redes Neuronales de Impulsos (SNN)
Redes de neuronas artificiales que se comunican a través de impulsos discretos (spikes) en lugar de valores continuos, imitando así más fielmente el funcionamiento de las neuronas biológicas para un procesamiento de información más eficiente en términos de energía.
Representación de Eventos de Dirección (AER)
Protocolo de comunicación asincrónico donde cada evento (spike) se transmite con la dirección de la neurona emisora, optimizando el ancho de banda y el consumo energético en los sistemas neuromórficos distribuidos.
Computación Basada en Memristores
Arquitectura de cómputo que utiliza memristores como elementos sinápticos físicos, permitiendo la implementación directa de pesos sinápticos variables y reglas de aprendizaje locales en el hardware neuromórfico.
Procesadores Neuromórficos
Unidades de procesamiento especializadas diseñadas para implementar modelos de neuronas y sinapsis directamente en silicio, ofreciendo rendimiento masivamente paralelo y eficiencia energética superior para las cargas de trabajo de IA.
Neuronas de Silicio
Circuitos electrónicos que reproducen las características dinámicas de las neuronas biológicas, incluyendo la integración temporal, los umbrales de activación y los períodos refractarios, formando los elementos básicos de las arquitecturas neuromórficas.
Memoria Temporal Jerárquica (HTM)
Algoritmo biomimético inspirado en la corteza neocortical, utilizando memorias dispersas distribuidas y predicciones temporales para el aprendizaje de secuencias y el reconocimiento de patrones en los flujos de datos.
Reglas de Aprendizaje Local
Reglas de aprendizaje donde la actualización de los pesos sinápticos depende únicamente de la información local disponible a nivel de cada sinapsis, eliminando la necesidad de retropropagación global y permitiendo un aprendizaje en tiempo real en hardware neuromórfico.
Aprendizaje en Chip
Capacidad de los sistemas neuromórficos para adaptar sus parámetros directamente en el chip sin intervención externa, permitiendo una adaptación continua y autónoma a los cambios en el entorno o los datos de entrada.
Computación Asíncrona
Enfoque de computación donde las operaciones no están sincronizadas por un reloj global sino que ocurren de manera independiente cuando suceden eventos relevantes, reduciendo la latencia y el consumo de energía en las arquitecturas neuromórficas.
Arquitectura de Crossbar
Estructura de hardware organizada en cuadrícula donde las filas representan las neuronas presinápticas y las columnas las neuronas postsinápticas, con dispositivos sinápticos en las intersecciones, permitiendo una implementación densa y paralela de las conexiones neuronales.
Codificación Tiempo-hasta-el-Primer-Spike
Estrategia de codificación neuronal donde la información se representa por el tiempo de llegada del primer spike después de un estímulo, ofreciendo una latencia de decisión rápida y alta eficiencia energética en los sistemas neuromórficos.
Sensibilidad Neuromórfica
Sensores que transforman directamente las señales físicas en eventos asíncronos similares a los spikes neuronales, preprocesando los datos a nivel de hardware para reducir la cantidad de información a transmitir y procesar.
Simulación Hardware-in-the-Loop
Metodología de prueba y desarrollo donde componentes neuromórficos físicos se integran en simulaciones de software, permitiendo una validación acelerada de algoritmos y arquitecturas antes del despliegue completo.
Codificación de Tasa vs Codificación Temporal
Dos paradigmas de codificación neuronal donde el primero representa la información por la frecuencia de los spikes y el segundo por su temporización precisa, pudiendo los sistemas neuromórficos modernos explotar híbridamente estas dos aproximaciones para un procesamiento óptimo.