Una inteligencia artificial consigue que una bicicleta se mueve sola

Este miércoles, un estudio publicado en Nature ha dado un paso adelante en la creación de esa inteligencia artificial general. Investigadores de la Universidad de Beijing (China), dirigidos por Luping Shi, han presentado un revolucionario chip híbrido que integra circuitos inspirados en computación, con algoritmos de aprendizaje maquinal, y redes neurales, inspiradas en la neurociencia.

Para demostrar su funcionamiento, lo han empleado para dirigir una bicicleta autónoma capaz de responder a mandatos por voz y de seguir a una persona esquivando obstáculos, modificando su trayectoria y manteniendo el equilibrio.

En la actualidad, los circuitos basados en computación y en neurociencia son incompatibles. Pero resulta fundamental integrarlos para acercarse a esa inteligencia general, tan capaz como la de un humano.

En esta ocasión, los investigadores han logrado crear un sistema que integra ambas aproximaciones, de forma sinérgica. Su solución se basa en el «chip Tianjic», un dispositivo basado en unidades o núcleos funcionales que emulan a una neurona y que fue desarrollado en 2015. Se caracteriza porque permite funcionar grandes redes neurales a alta velocidad y bajo coste.

El chip empleado en esta ocasión cuenta con un número elevado de núcleos funcionales que se pueden reconfigurar, en función de las necesidades. Por eso, los investigadores pueden adaptar tanto los circuitos neurales como los algoritmos de aprendizaje maquinal.

La clave de todo esto es que si se quiere desarrollar una inteligencia general hay que desarrollar una arquitectura capaz de albergarla . Para hacerse una idea de su complejidad, resulta que en el cerebro humano esta arquitectura se basa en decenas de miles de millones de neuronas formando una red cuya complejidad es, todavía hoy, inabordable para los investigadores.

De momento, se considera que una inteligencia general artificial debe emular al cerebro. Se busca crear una máquina que integre espaciotemporalmente redes neurales vastas y que pueda jerarquizarlas. Al mismo tiempo, dichas redes especializadas han de poder trabajar en paralelo. También han de existir módulos, de distinto tamaño y complejidad, y se debe poder trabajar con un amplio número de modelos, algoritmos y códigos.