Modelo de Red Neuronal Líquida de Liquid AI
La inteligencia artificial puede estar ahora resolviendo matemáticas avanzadas, realizando razonamientos complejos e incluso utilizando computadoras personales, pero los algoritmos de hoy aún podrían aprender un par de cosas de los gusanos microscópicos. Liquid AI, una startup surgida del MIT, revelará hoy varios nuevos modelos de IA basados en un tipo nuevo de red neuronal “líquida” que tiene el potencial de ser más eficiente, consumir menos energía y ser más transparente que aquellos que sustentan todo, desde chatbots hasta generadores de imágenes y sistemas de reconocimiento facial.
Modelos Innovadores para Diversas Aplicaciones
Los nuevos modelos de Liquid AI incluyen uno para detectar fraude en transacciones financieras, otro para controlar automóviles autónomos y un tercero para analizar datos genéticos. La empresa destacó los nuevos modelos, que está licenciando a compañías externas, en un evento celebrado hoy en el MIT. La compañía ha recibido financiamiento de inversores que incluyen a Samsung y Shopify, ambos de los cuales también están probando su tecnología.
Inspiración en la Biología
“Estamos ampliando nuestras operaciones”, dice Ramin Hasani, cofundador y CEO de Liquid AI, quien co-inventó redes líquidas como estudiante de posgrado en el MIT. La investigación de Hasani se inspiró en el C. elegans, un gusano de un milímetro de largo que típicamente se encuentra en el suelo o en vegetación en descomposición. Este gusano es una de las pocas criaturas cuyo sistema nervioso ha sido mapeado en su totalidad y es capaz de comportamientos notablemente complejos a pesar de tener solo unos pocos cientos de neuronas. “Una vez fue solo un proyecto científico, pero esta tecnología está completamente comercializada y lista para aportar valor a las empresas”, dice Hasani.
Funcionalidad Avanzada de Redes Neuronales Líquidas
Dentro de una red neuronal regular, las propiedades de cada neurona simulada se definen mediante un valor estático o “peso” que afecta su activación. Dentro de una red neuronal líquida, el comportamiento de cada neurona está regido por una ecuación que predice su comportamiento a lo largo del tiempo, y la red resuelve una cascada de ecuaciones interconectadas a medida que funciona. Este diseño hace que la red sea más eficiente y flexible, permitiéndole aprender incluso después del entrenamiento, a diferencia de una red neuronal convencional. Además, las redes neuronales líquidas son abiertas a la inspección de una manera que los modelos existentes no lo son, ya que su comportamiento se puede “rebobinar” para ver cómo produjo un resultado.
En 2020, los investigadores demostraron que tal red, con solo 19 neuronas y 253 sinapsis, que es notablemente pequeña según los estándares modernos, podía controlar un automóvil autónomo simulado. Mientras que una red neuronal regular puede analizar datos visuales solo en intervalos estáticos, la red líquida captura la forma en que la información visual cambia con el tiempo de manera muy eficiente. En 2022, los fundadores de Liquid AI encontraron un atajo que hizo que el trabajo matemático necesario para las redes neuronales líquidas fuera factible para un uso práctico.
Fuente y créditos: www.wired.com
Cats: Business
