Ingeniera Neuromrfica: El papel del hardware

reconfigurable
Eduardo Ros, Francisco Jos Pelayo, Alberto Prieto y Begoa del Pino

ResumenEn este trabajo se analiza la aplicacin del

hardware reconfigurable en el campo de la Ingeniera
Neuromrfica. Como ejemplos se describen brevemente
tres proyectos europeos que actualmente se desarrollan en
el Departamento de Arquitectura y Tecnologa de
Computadores de la Universidad de Granada y que
utilizarn
hardware
reconfigurable
para
la
implementacin de distintos sistemas neuromrficos.
Palabras clave Ingeniera Neuromrfica, Sistemas bioinspirados, aplicaciones del hardware reconfigurable.

I. INTRODUCCIN
La Ingeniera Neuromrfica es un campo de
investigacin que trata del diseo de sistemas artificiales
de computacin que utilizan propiedades fsicas,
estructuras o representaciones de la informacin basadas
en el sistema nervioso biolgico. Aunque otros campos,
como el de las Redes Neuronales Artificiales, tambin se
inspiran en la biologa, lo que caracteriza a la Ingeniera
Neuromrfica es la emulacin de funciones muy
especificas, usualmente de tipo sensorial, cuya
estructura y funcionalidad biolgica han sido estudiadas
con gran detalle, dando lugar as a la construccin de
sistemas tales como retinas y ccleas artificiales.
Carver Mead, proponente de la denominacin Ingeniera
Neuromrfica [1], coment en 1993: Como ingenieros,
sera necio ignorar las lecciones de miles de millones de
aos de evolucin. De hecho, los sistemas biolgicos
tienen habilidades como el reconocimiento del habla,
segmentacin de la informacin visual, control del
movimiento autnomo en entornos cambiantes, etc.; que
se desarrollan con una eficiencia fuera del alcance de los
sistemas artificiales convencionales. Uno de los
numerosos ejemplos lo constituye la audicin, que se
efecta con un extraordinario rango dinmico (ms de
100db) a partir de sensores de muy baja calidad (rango
dinmico menor de 20db). Los avances obtenidos en
nuestro conocimiento acerca de la forma en que los
sistemas biolgicos evolucionan y se adaptan, y cmo el
sistema nervioso central codifica, memoriza, aprende y
procesa informacin deben ser una motivacin para la
implementacin de futuros sistema bio-inspirados.
Actualmente la Ingeniera Neuromrfica [2,3] trata
de desarrollar sistemas embebidos o autnomos para
resolver problemas especficos que usualmente implican
una tarea sensorial-motora integrada o una tarea de
percepcin en tiempo real. El campo de aplicaciones de
los sistemas neuromrficos es muy amplio, yendo desde

el diseo de sistemas de control no lineales adaptativos

hasta el desarrollo de sensores inteligentes.
Cuando se desarrollan sistemas de computacin bioinspirados es importante el espritu oportunista del
diseador, capaz de identificar las caractersticas de los
sistemas biolgicos en las que se basa su capacidad de
computacin y que pueden ser adaptadas a la tecnologa
de implementacin mediante circuitos electrnicos
relativamente sencillos. Por otro lado, debe aprovechar
caractersticas inherentes a los circuitos electrnicos
como su mayor ancho de banda, velocidad de respuesta,
etc; y utilizar esquemas como multiplexacin temporal,
comunicacin binaria y comunicacin mediante
direcciones, etc. La combinacin ptima de principios
bio-inspirados y caractersticas explotables de los
circuitos electrnicos constituye la esencia de la
Ingeniera Neuromrfica.
Por ejemplo, las siguientes caractersticas de los
sistemas nerviosos naturales seran de utilidad si se
pudieran adoptar en sistemas artificiales:
Procesamiento paralelo o procesamiento
neuronal: sin duda muchas de las asombrosas
propiedades de los sistemas naturales son
debidas a que son sistemas de computacin
colectivos. La implementacin de sistemas con
un gran paralelismo no es una tarea fcil. El
diseo de primitivas de computacin sencillas
(neuronas artificiales) capaces de realizar un
procesamiento eficiente mediante una topologa
adecuada es un tema en el que una amplia
comunidad cientfica ha investigado durante
aos.
Computacin cooperativa: el modo en que los
sistemas biolgicos realizan procesamientos
robustos y de precisin basndose en unidades
(neuronas) de computacin imprecisas y
estocsticas, con gran nivel de ruido y
respuestas impredecibles frente a estmulos
similares, constituye una caracterstica de gran
inters para la implementacin de sistemas
artificiales.
Capacidad de auto-configuracin: esta
caracterstica presente en los sistemas
biolgicos es de gran utilidad para adaptar
sistemas de computacin genricos a distintas
funciones. Adems esta propiedad aumenta la
efectividad de los sistemas a entornos
especficos de cada individuo y permite la
adaptacin a nuevas condiciones durante su
tiempo de vida.

Profesores del Departamento de Arquitectura y Tecnologa de

Computadores, Facultad de Ciencias, Universidad de Granada, E18071
Granada. E-mail de contacto: eros@atc.ugr.es

II Jornadas sobre Computacin Reconfigurable y Aplicaciones

89

Por otro lado existen cualidades de los circuitos

electrnicos de las que carecen los sistemas biolgicos,
por ejemplo:
Gran ancho de banda y esquemas de
comunicacin con multiplexacin temporal: La
utilizacin de esquemas de multiplexacin que
no limiten el paralelismo puede ayudar a
superar el problema de la reducida (comparada
con la biologa) capacidad de interconexin
fsica entre elementos computacionales.
Sensores remotos: Existen multitud de sensores
y formas de comunicacin que permiten su
utilizacin remota. Este tipo de dispositivos
ofrecen la posibilidad de implementar sistemas
de procesamiento distribuidos.
Actuadores remotos: al igual que los sensores,
estos dispositivos permiten el control remoto de
sistemas.
Procesamiento de gran precisin: para ciertas
tareas puede ser necesaria una gran precisin de
clculo. Esto es fcil de realizar con primitivas
de computacin convencionales basadas en
unidades aritmtico-lgicas digitales de la
precisin que se requiera.
II. DESCRIPCIN DE PROYECTOS DE INVESTIGACIN
SOBRE INGENIERA NEUROMRFICA DESARROLLNDOSE
EN EL DEPARTAMENTO DE ARQUITECTURA Y
TECNOLOGA DE COMPUTADORES DE LA UNIVERSIDAD
DE GRANADA
En la actualidad investigadores del Departamento de
Arquitectura y Tecnologa de Computadores de la
Universidad de Granada participan en el desarrollo de
tres proyectos europeos relacionados con la
implementacin de primitivas de computacin del
campo de la Ingeniera Neuromrfica mediante
hardware reconfigurable. Los proyectos son:
SpikeFORCE: Real-Time Spiking Neurons for
Robot Control [4]
CORTIVIS: Cortical Visual Neurophrostesis for
the blind [5]
ECOVISION: Artificial Vision System based on
early cognitive cortical processing [6]
A continuacin se describen brevemente.
A. SpikeFORCE: Real-Time Spiking Neurons for
Robot Control
El consorcio SpikeFORCE est formado por una
empresa con inters en robtica (Sony) y las
universidades de Paris (ENS), Pavia (INFM-RUPV) y
Granada.
El diseo de robots est adquiriendo un inters cada
vez ms importante en la sociedad europea. Pero, a pesar
de los avances tecnolgicos, los robots actuales no son
capaces de realizar algunas tareas de procesamiento
sencillas similares a las que realiza cualquier mamfero.
As, el aprendizaje continuo en tiempo real sigue
constituyendo un problema. Para obtener habilidades de
movimiento similares a las de los animales, la

90

informacin de percepcin y accin, de gran nmero de

seales de sensores, motores y seales cognitivas debe
ser integrada como un todo. El consorcio
multidisciplinar SpikeFORCE, integrado por fsicos,
expertos en neurociencia, e ingenieros electrnicos e
informticos, investiga los mecanismos de integracin
de informacin en el cerebro y su posible
implementacin en forma de circuitos en robots. El
estudio de estructuras basadas en pulsos [7], como las
que forman las neuronas biolgicas, puede aportar
nuevas ideas en este sentido.
Para todo ello los colaboradores de los centros Ecole
Normal Supriore y Universidad de Pavia trabajan en
modelos neuronales basados en pulsos. Nuestro grupo
en la Universidad de Granada estudia el modo de
implementacin de estos modelos mediante circuitos de
forma que puedan funcionar en tiempo real. Por otra
parte, la empresa Sony France, investigar su aplicacin
en plataformas de robot en desarrollo como el perro
Aibo y el humanoide.
Concretamente, se estudian formas de implementar
las primitivas de adaptacin y aprendizaje de
movimientos coordinados que tienen lugar en el
cerebelo de los mamferos. Este tipo de aprendizaje es el
que adapta de forma continua el ciclo cerrado accinpercepcin. Para ello es necesario integrar de forma no
destructiva seales sensoriales, motoras y cognitivas en
tiempo real.
El cerebelo tiene la habilidad de integrar informacin
de un gran nmero de fuentes heterogneas y es capaz
de un aprendizaje extremadamente sensible al contexto
general en el que se desarrolla cada accin. De hecho, en
el rea de control de robots, stas son dos caractersticas
importantes que representan campos de investigacin
abiertos: la integracin de informacin de diferentes
fuentes (percepcin multi-modal) y el aprendizaje
continuo de acciones eficientes.
La discriminacin de entradas muy similares es
necesaria para el perfeccionamiento de movimientos de
precisin, en tanto en cuanto pequeas diferencias, a
pesar de grandes similitudes entre las entradas,
adquieren una importancia crucial para este proceso de
refinamiento. Los axones de muchas clulas granulares
(100 millones en la rata) constituyen el canal de entrada
al
cerebelo
llevando
informacin
sensorial,
propiaceptiva y contextual a las principales clulas de
cortex del cerebelo, las clulas de Purkinje (300.000 en
la rata), que generan la nica salida del sistema. Cada
clula de Purkinje recibe unas 200.000 entradas
diferentes (para ello existen unos 60 miles de millones
de sinapsis de este tipo en la rata). Actualmente se cree
que las modificaciones en las sinapsis de conexin entre
las clulas granulares y las de Purkinje almacenan la
informacin adquirida durante el aprendizaje motor,
permitiendo la asociacin entre una salida motora
correcta y una entrada particular.
Para todo ello, se estudiarn las ventajas e
inconvenientes de esquemas de computacin basados en
pulsos para la integracin y discriminacin de seales.
En el rea de control de robots este tipo de estructuras
puede tener importancia si se puede utilizar la dimensin
temporal de forma eficiente como recurso de
computacin, ya que el objetivo es generar acciones

JCRA 2002

motoras correlacionadas en el tiempo entre ellas y con

las seales de entrada.
Dos son las lneas de investigacin de este proyecto
relacionadas con el Hardware reconfigurable:
Implementacin de modelos neuronales basados en
pulsos en plataformas de tipo FPGA. Estas
implementaciones servirn para posibilitar la
simulacin de sistemas neuronales de grandes
dimensiones basados en pulsos.
Evaluar la posibilidad de implementacin de
sistemas de control de robots basados en
computacin por pulsos mediante circuitos
neuronales especficos.
B. CORTIVIS: Cortical Visual Neuroprosthesis for the
blind
El objetivo de este proyecto es el desarrollo de
prototipos en el campo de la rehabilitacin visual. En
concreto se pretende estudiar la viabilidad de
neuroprtesis implantadas en el cortex visual primario
para lograr una visin, que aunque limitada, es de sumo
inters para personas ciegas. Los resultados de este
proyecto pretenden generar informacin sobre este tipo
de dispositivos no disponibles actualmente. Adems, se
recoger informacin sobre la plasticidad del sistema
nervioso visual de adultos, que ser fundamental para el
desarrollo de dispositivos de rehabilitacin visual y de
sistemas de entrenamiento.
Dentro de este contexto se pretende desarrollar una
plataforma de procesamiento visual en tiempo real que
genere una salida bio-compatible. Esto es, se pretende
que el sistema de procesamiento genere impulsos que
puedan estimular de forma eficiente el cortex visual.
Ello implica realizar investigaciones en distintos campos
con objeto de identificar la codificacin ptima para este
tipo de dispositivos y el nivel de adaptacin que se
puede esperar de pacientes implantados, es decir, el
nivel de plasticidad del cortex visual para la utilizacin
de esta nueva fuente sensorial. El sistema de
procesamiento, basado en hardware de tipo FPGA,
deber emular el tracto visual desde la retina hasta el
cortex visual, teniendo en cuenta que el nmero de
conexiones final que es muy limitado comparado con las
que contiene el nervio ptico.
La facultad de reconfiguracin es especialmente
relevante en este caso dado que cada paciente puede
requerir distintas especificaciones de codificacin y
proyeccin de la informacin visual sobre los
microelectrodos de estimulacin. Adems estas
especificaciones deben de determinarse mediante
experimentacin, ensayando distintas configuraciones
del hardware de procesamiento visual.
C. ECOVISION: Artificial Vision System based on early
cognitive cortical processing
Los dispositivos de visin artificial ideados por el
hombre estn lejos de conseguir la eficiencia y exactitud
en el anlisis de escenas visuales encontrada en animales
vertebrados. El objetivo de ECOVISION es utilizar el

II Jornadas sobre Computacin Reconfigurable y Aplicaciones

conocimiento del modo de funcionamiento de sistemas

biolgicos de visin para construir un sistema hbrido
hardware-software de visin con propiedades precognitivas. Los sistemas pre-cognitivos utilizan
conocimiento implcito del mundo. Para ello el
consorcio ECOVISION (formado por 7 miembros de 5
pases incluyendo una empresa) con experiencia en
diseo de circuitos VLSI, visin artificial, neurociencia
y psicologa pretende desarrollar una arquitectura de
procesamiento distribuida para anlisis visual adaptativo
con capacidad de utilizacin de informacin precognitiva.
En concreto, el papel del hardware reconfigurable en
el rea de visin artificial adquiere especial importancia
por su capacidad de poder procesar imgenes en tiempo
real. Por ello, en el campo de la implementacin de
front-ends para sistemas de procesamiento de ms alto
nivel constituye una de alternativa muy vlida, capaz de
generar informacin pre-procesada. En el mbito de
ECOVISION se pretende estudiar la implementacin de
un sistema de extraccin de flujo ptico (informacin de
movimiento) y de estereo (para la localizacin en el
espacio basado en discrepancias entre imgenes desde
distintas perspectivas). El proyecto tiene como campo de
aplicacin primario el mundo automovilstico en donde
se prev que la visin artificial constituir una opcin
vlida en unos 10 aos. Actualmente trabajamos
definiendo una aplicacin de monitorizacin de
adelantamientos basada en un esquema de visin
artificial en tiempo real.
III CONCLUSIN
Los sistemas biolgicos realizan muchas tareas de
procesamiento complejas con una eficiencia que an no
est al alcance de sistemas artificiales. Por ello la
biologa constituye un buen referente para implementar
sistemas que realicen tareas que los seres vivos
desarrollan de forma natural, como es el caso de la
visin, el aprendizaje de movimientos, coordinacin
motora, etc. Los proyectos citados en esta comunicacin
tratan de abordar numerosos retos a lograr por los
sistemas artificiales y que son inherentes a los sistemas
naturales, entre otros se encuentran el procesamiento
eficiente y en tiempo real de numerosas entradas
procedentes de mltiples sensores, procesamiento de
seales representadas mediante eventos asncronos, e
integracin temporal de informacin en escalas de
tiempo muy distintas, desde las propias de la dinmica
de las sinapsis y del cuerpo celular neuronal hasta las
asociadas con la adaptacin o aprendizaje.
El hardware reconfigurable es una buena opcin para
el prototipado e implementacin de sistemas
neuromrficos, ya que con aquel se pueden definir
arquitecturas de gran complejidad e implementar
sistemas que requieran mecanismos de adaptacin,
plasticidad y aprendizaje a medio-largo plazo; es decir,
cubren muchas de las necesidades de los sistemas
neuromrficos.
La aplicacin del hardware reconfigurable al campo
de la visin artificial est cada vez ms extendida, para
situaciones en las que el procesamiento en tiempo real es

91

necesario. En este sentido los proyectos ECOVISION y

CORTIVIS exploran las posibilidades de plataformas de
tipo FPGA para aplicaciones relacionadas con la visin
artificial. Por otro lado, la robtica es un campo en el
que tambin tiene sentido la utilizacin de chips FPGA
ya que el procesamiento en tiempo real es necesario para
estudiar en situaciones reales las interacciones entre el
robot y el medio (ciclo cerrado percepcin-accin), y la
reconfiguracin permite la adaptacin a medios
cambiantes.
Por otra parte, la implementacin de estructuras de
computacin basadas en pulsos mediante tecnologa
digital es un campo de investigacin abierto [7-9]. La
eficiencia de este tipo de primitivas de computacin para
ciertas tareas viene inspirada por los sistemas
biolgicos. Estos esquemas sern estudiados en el
mbito de los proyectos SpikeFORCE y CORTIVIS
.
IV AGRADECIMIENTOS
Los trabajos descritos se estn desarrollando con
financiacin de la Unin Europea obtenida a travs de
los
proyectos
SpikeFORCE
(IST-2001-35271),
CORTIVIS (QLK6-CT-2001-00279) y ECOVISION
(IST-2001-32114).
IV REFERENCIAS
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]

[9]

92

C.Mead, Neuromorphic Electronic Systems, Proceedings of

the IEEE, 78 (10), Oct. 1990.
A.Prieto, A.Andreou, Microelectronics for Bio-Inpired
Systems, Analog Integrated Circuits and Signal Processing, , 30
(2), pp.87-90, 2002.
Analog Integrated Circuits and Signal Processing, , 13 (1/2),
Nmero especial dedicado a Ingeniera Neuromrfica, p.5-222,
1997.
SpikeFORCE (http://www.spikeforce.org)
CORTIVIS (http://cortivis.umh.es/ )
ECOVISION (http://www.pspc.dibe.unige.it/ecovision/ )
F.J.Pelayo, E.Ros, X.Arreguit, A.Prieto, VLSI Implementation
of a Neural Model Using Spikes, Analog Integrated Circuits and
Signal Processing, , 13 (1/2), pp.87-90, 1997.
C.Wolff, G.Hartmann, U.Rckert, ParSpike A Parallel
DSP-Accelerator for Dynamic Simulation of Large Spiking
Neural Networks, Proc. of the 7th International Conference on
Microlectronics for Neural, Fuzzy, and Bio-Inspired Systems
(MicroNeuro99), pp. 324-331, IEEE Comp. Soc., 1999.
T.Schoenauer, S.Atasoy, N.Mehrtash, H.Klar, NeuroPipeChip: A Digital Neuro-Processor for Spiking Neural Networks,
IEEE Transactions on Neural Networks, 13 (1), pp. 205-213,
2002.

JCRA 2002