Un equipo de científicos chinos de la Universidad Tsinghua de Pekín, ha creado un chip capaz de dotar a una bicicleta de funciones de conducción autónoma (mantener el equilibrio, esquivar obstáculos, etc) activadas mediante voz. Pero centrarnos en este aspecto del chip, bautizado como Tianjic, sería quedarse apenas en la superficie.
Tendemos a ver la IA como una tecnología homogénea, pero lo cierto es que con el tiempo se ha fragmentado en múltiples ramas, destacando dos enfoques principales: uno basado en la neurociencia y otro en la informática.
La bicicleta equipada con un chip Tianjic, en funcionamiento:
Al enfoque 'informático' le debemos la existencia de las redes neuronales, capaces de aprender tareas más o menos complejas mediante el análisis de enormes cantidades de datos; pero también sometidas a una enorme limitación: la imposibilidad de aprender sobre la marcha. Cuando una IA derrota a un humano en un juego lo hace sencillamente porque ha jugado millones de veces contra sí misma y es capaz de preveer movimientos y acciones en base a ello, pero no porque esté aprendiendo de su oponente.
Ahí es donde entra el enfoque basado en neurociencias: chips neuromórficos, conformados por cientos de miles de neuronas artificiales que operan intercambiando entre sí pequeñas señales eléctricas, tal como hace nuestro cerebro. Procesan información en ráfagas cortas, requiriendo menos datos y capacidad de computación que las redes neuronales, pero sin ser capaces de suplirlas en las tareas donde éstas destacan.
El problema es que "debido a la discrepancia en sus formulaciones y en sus esquemas de codificación, ambos enfoques se basan en plataformas distintas e incompatibles", según explican los creadores de Tianjic en un artículo recientemente publicado en Nature.
Un (pequeño) paso más hacia la IA fuerte
Así, la verdadera novedad aportada por este chip es que es el primero que basado en la arquitectura FCore, una tecnología híbrida compatible con ambos enfoques de la IA: está conformado por núcleos funcionales altamente reconfigurables y eso le permite albergar tanto circuitos inspirados en el cerebro humano como algoritmos de machine learning, alternando entre ambos modos según sea necesario y permitiendo que ambos tipos de algoritmo se comuniquen entre sí.
La bicicleta tan sólo es el modo con el que Luping Shi y su equipo han querido demostrar que Tianjic es funcional. Pero ni siquiera esto muestra todo el potencial que posee, sobre el papel, la combinación de ambas tecnologías de inteligencia artificial.
Los investigadores están convencidos de que esta combinación de capacidades de IA era uno de los obstáculos a superar en el camino hacia el desarrollo de la primera AGI (inteligencia artificial general, más conocida como 'IA fuerte'), al permitir que las máquinas se acerquen otro paso más al modo en que funciona nuestro cerebro: una arquitectura única (la neurona) capaz de albergar una amplia gama de procesos diferenciados que colectivamente, dan sentido al mundo y nos permiten planificar acciones para interactuar con él.
Vía | Ars Technica
Imagen | Elaboración propia a partir de materiales de Good Free Photos & Picryl
Ver 8 comentarios
8 comentarios
whisper5
No me parece apropiada la diferenciación que se hace entre las dos tecnologías descritas. Ambas son redes neuronales. La diferencia es que una está desarrollada mediante software y la otra (chips neuromórficos) mediante hardware. En la primera las capas de neuronas artificiales están completamente conectadas y en la segunda las conexiones que se realizan entre neuronas responden al proceso de aprendizaje. La otra diferencia, que se menciona en el artículo, es la gran diferencia en el consumo energético.
De momento no han habido grandes logros con los chips neuromórficos, pero muchos expertos en IA lo tienen claro: el futuro de la IA no será en software sino en hardware. El problema es que los modelos neuronales que se utilizan en los chips neuromórficos distan muchísimo del funcionamiento de la inteligencia natural. Cuanto más se conoce sobre el funcionamiento de un cerebro más clara tenemos esa diferencia.
Y no, no estamos más cerca de una IA fuerte.
-----
Por cierto, ¿os habéis dado cuenta de que ya nadie habla de los avances en IA aplicados a la conducción autónoma, de que las empresas callan y de que ya no se lanzan pronósticos? La IA que tenemos da mucho juego y mucho dinero, pero estamos estancados.
jdf.delafuente
Usemos la logica. ¿Vemos o veemos? Pues si vemos, prevemos, y no preveemos.
sanamarcar
Está claro que los chips tienen que cambiar para que sean eficientes en este tipo de calculos. Intel y veo que China están haciendo los deberes...
Claro que va a haber problemas, pero aun quedan muchos flecos para la algoritmia normal... no creo que haya que ir tan allá con las redes neuronales. Yo veo mas la siguiente revolución, la interacción de hombre máquina de manera transparente y con una reglas básicas y de apoyo. No, como una solución total.