Siempre nos parece que los algoritmos de inteligencia artificial realizan ciertas tareas no solo más rápido que los humanos, sino mucho más rápido. Pero, paradójicamente, cuanto más se asemeja la inteligencia artificial al cerebro humano, mejor funciona.
Un equipo de ingenieros de IBM ha construido una red neuronal física que literalmente se parece a las neuronas humanas. Cuando los ingenieros probaron el algoritmo de IA en un nuevo tipo de cableado, descubrieron que realiza tareas con la misma eficiencia que las redes neuronales convencionales, pero utiliza 100 veces menos energía.
Si este cableado neuronal echa raíces, pronto la inteligencia artificial podrá hacer muchos más cálculos, gastando mucha menos energía. El problema es que los chips de computadora y los algoritmos de redes neuronales hablan dos idiomas diferentes y, como resultado, son más lentos. Pero en el nuevo sistema, el hardware y el software encajan perfectamente y, por lo tanto, el nuevo sistema de IA completa todas las tareas más rápido sin comprometer la precisión.
Este es un paso hacia la construcción de redes neuronales basadas en silicio. Por lo general, estos sistemas de inteligencia artificial no funcionaban tan bien, pero el nuevo estudio simuló dos tipos de neuronas: una era responsable de la computación rápida y la otra se creó para almacenar información a largo plazo.
Por supuesto, existen algunas dudas sobre las afirmaciones de los investigadores que sostienen que la respuesta para crear una inteligencia artificial funcional es recrear el cerebro humano. En general, todavía no sabemos cómo funciona el cerebro. Y existe la posibilidad de que gran parte de lo que hay en nuestro cerebro sea inútil para la computadora.
Sin embargo, una nueva investigación muestra que la estructura física de las neuronas humanas puede proporcionar muchas cosas útiles para los algoritmos de inteligencia artificial y, en las condiciones modernas, la conservación de energía es una condición importante para el funcionamiento óptimo de cualquier sistema.
