Liquid AI está rediseñando la red neuronal

La inteligencia artificial podría estar ahora resolviendo matemáticas avanzadas, realizando razonamientos complejos e incluso usando computadoras personales, pero los algoritmos actuales aún podrían aprender un par de cosas de los gusanos microscópicos.

Liquid AI, una startup surgida del MIT, revelará hoy varios modelos nuevos de IA basados en un nuevo tipo de red neuronal “líquida” que tiene el potencial de ser más eficiente, consumir menos energía y ser más transparente que los que sustentan todo, desde chatbots hasta generadores de imágenes y sistemas de reconocimiento facial.

Los nuevos modelos de Liquid AI incluyen uno para detectar fraudes en transacciones financieras, otro para controlar vehículos autónomos y un tercero para analizar datos genéticos. La compañía promocionó los nuevos modelos, que está otorgando licencias a empresas externas, en un evento celebrado hoy en el MIT. La compañía ha recibido financiación de inversores que incluyen a Samsung y Shopify, los cuales también están probando su tecnología.

“Estamos ampliando nuestra capacidad”, afirma Ramin Hasani, cofundador y director ejecutivo de Liquid AI, quien coinventó las redes líquidas cuando era estudiante de posgrado en el MIT. La investigación de Hasani se inspiró en el C. elegansun gusano de un milímetro de largo que normalmente se encuentra en el suelo o en la vegetación en descomposición. El gusano es una de las pocas criaturas cuyo sistema nervioso ha sido mapeado en su totalidad y es capaz de tener un comportamiento notablemente complejo a pesar de tener sólo unos pocos cientos de neuronas. “Alguna vez fue solo un proyecto científico, pero esta tecnología está completamente comercializada y lista para aportar valor a las empresas”, afirma Hasani.

Dentro de una red neuronal normal, las propiedades de cada neurona simulada están definidas por un valor estático o “peso” que afecta su activación. Dentro de una red neuronal líquida, el comportamiento de cada neurona se rige por una ecuación que predice su comportamiento a lo largo del tiempo, y la red resuelve una cascada de ecuaciones vinculadas a medida que funciona. El diseño hace que la red sea más eficiente y flexible, lo que le permite aprender incluso después del entrenamiento, a diferencia de una red neuronal convencional. Las redes neuronales líquidas también están abiertas a la inspección de una manera que los modelos existentes no lo están, porque su comportamiento esencialmente puede rebobinarse para ver cómo produjo un resultado.

En 2020, los investigadores demostraron que una red de este tipo con sólo 19 neuronas y 253 sinapsis, que es notablemente pequeña para los estándares modernos, podría controlar un coche autónomo simulado. Mientras que una red neuronal normal puede analizar datos visuales sólo a 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 descubrieron un atajo que hizo factible para un uso práctico el trabajo matemático necesario para las redes neuronales líquidas.

Source link