Il 3 agosto IBM ha annunciato la creazione, da parte del proprio team di ricerca che ha base a Zurigo, di un neurone artificiale, passo fondamentale nella realizzazione dell'Intelligenza artificiale.

I ricercatori hanno cercato di imitare la biologia del sistema nervoso umano utilizzando un materiale a cambiamento di fase ("phase-change materials"), il Germanio Telloruro di Antimonio (GST). Questa sostanza può assumere un duplice stato: cristallino (dotato di struttura definita) o amorfo (privo di struttura definita). Sottoposto a stimolazione elettrica, GST cambia di stato, passando via via da patterns amorfi a strutture sempre più cristallizzate, senza mai ritornare nella condizione precedente. La strutturazione assume quindi una caratteristica progressione, funzione diretta del numero dei passaggi di fase che il materiale ha affrontato ed ottimo sistema per accumulare dati. Semplificando, potremmo dire che il neurone di IBM funziona come un sofisticato accumulatore.

Il fatto che il modello non recuperi mai l'assetto precedente rispetto alla successiva esposizione al flusso di corrente elettrica rappresenta un'importante analogia con i sistemi biologici: le nostre cellule nervose, attraversate dall'onda di trasmissione del segnale elettrico, si comportano seguendo la stessa modalità.

Anche la dimensione del sistema è commensurabile con quella del neurone naturale, appartenente alla scala nanometrica.

Lo stimolo elettrico che provoca i cambiamenti di stato corrisponde al potenziale d'azione neurobiologico. La membrana cellulare dei neuroni è caricata positivamente a livello della propria superficie interna (esposta all'ambiente intracellulare, ricco di ioni Na+) e negativamente sulla propria superficie esterna (a contatto con il liquido extracellulare, ricco di ioni Cl-). Il segnale elettrico che sopraggiunge si comporta come un'onda di depolarizzazione: causa l'apertura a livello della membrana cellulare dei canali che lasciano passare gli ioni Na+, che, a causa della differenza di potenziale fra interno ed esterno, sono richiamati al di fuori del neurone. La massiva presenza di ioni positivi all'esterno della cellula provoca l'inversione della polarità, per cui la membrana si ritrova caricata positivamente all'esterno e negativamente al suo interno. Questo fenomeno è definito "depolarizzazione". La propagazione del segnale avviene secondo questo principio, lungo gli assoni, prolungamenti del neurone che funzionano come cavi elettrici, trasmettendo i flussi ionici, e quindi il segnale, fra neuroni attigui.

Ulteriore punto di contatto con la biologia è l'imprecisione che caratterizza il comportamento dei neuroni artificiali. Il processo ha infatti una componente stocastica, cioè si verifica in maniera parzialmente casuale, imitando anche in questo la biologia.

La differenza principale fra il "neuromorphing computing" ed il "conventional computing" (la metodologia classica di funzionamento dei sistemi computerizzati) è che i dati vengono in automatico utilizzati per effettuare un nuovo calcolo ed ottenere un nuovo risultato. I dati aggiornati vengono successivamente memorizzati sopra a quelli vecchi e non in aggiunta rispetto ad essi.

Come nel nostro cervello, i neuroni artificiali sono analogici e non salvano i dati.

Lo scopo è quello di imitare i processi biologici per la creazione di sistemi di "cognitive computing", disciplina di cui fa parte il "machine learning". Le applicazioni spazieranno dal riconoscimento facciale all'analisi dei dati nell'ambito di Internet of Things, allo studio dei trend culturali attraverso l'elaborazione dei dati provenienti dai social media, al decision making.

Il trust di cervelli di IBM ha assemblato 500 neuroni artificiali, a costituire un sistema in grado di simulare ciò che accade all'interno del nostro cervello. Al suo interno le strutture neuronali artificiali hanno dimostrato di sostenere miliardi di cambiamenti di stato, pari ad anni di funzionamento.

La prossima sfida è elaborare un software in grado di gestire la complessità di una rete di neuroni artificiali.