Este nuevo tipo de red neuronal artificial es más flexible, eficiente y tiene una mayor expresividad que las demás redes neuronales y se destaca por su capacidad de catapultar la conducción autónoma

Buenos Aires-(Nomyc)-Una red neuronal artificial está formada por varias capas de unos objetos lógicos conocidos como nodos o neuronas artificiales, de los que cada nodo tiene entidad propia y es capaz de procesar información para obtener un resultado y entregárselo a uno o varios nodos de la siguiente capa de la red neuronal.

Hay varios tipos diferentes de redes neuronales, pero todos ellos persiguen un mismo objetivo: procesar información para generar nuevo conocimiento y las redes neuronales convolucionales, por ejemplo, se utilizan para identificar patrones, reconocer imágenes, interpretar la voz o implementar algoritmos de visión artificial.

Mas allá de esto, hay un componente muy importante de esta tecnología en el que aún no hemos indagado: el entrenamiento, que requiere, entregar información a la red neuronal para que sea procesada, pero no con el propósito de que nos devuelva uno o varios resultados, sino para que aprenda a trabajar con este tipo de información y sea capaz de elaborar predicciones o clasificaciones cuando le suministremos posteriormente los datos que necesitamos analizar.

Las redes neuronales líquidas son las mejores aliadas de la inteligencia artificial que viene: a diferencia de los demás tipos de redes neuronales, que, como acabamos de ver, han sido diseñados para aprender durante la fase de entrenamiento a partir de una entrada prefijada, las redes neuronales líquidas también aprenden durante el análisis de la información que se les entrega con el propósito de inferir nuevo conocimiento, por lo que son capaces de adaptarse de manera continua, a los nuevos datos de entrada que reciben con el propósito de aprender de forma dinámica e ininterrumpida.

Los investigadores que diseñaron estas redes elegieron el adjetivo `líquidas` para sugerir su flexibilidad y su capacidad de adaptación constante, aunque su propuesta tiene dos cualidades más que merece la pena que no pasemos por alto: de manera presumible, son más eficientes que otras redes neuronales artificiales y tienen una mayor expresividad.

Según Ramin Hasani, uno de los investigadores del MIT especializado en redes neuronales líquidas, la expresividad describe la facilidad con la que los ingenieros pueden actuar sobre el rendimiento de la red neuronal modificando la representación de las neuronas artificiales, característica que según Hasani, “permite a estas redes abordar niveles de complejidad que no son manejables con otras estructuras de procesamiento de la información”.

Aún falta explorar algo muy importante acerca de estas redes neuronales: sus campos de aplicación y los ingenieros del MIT ya las utilizaron con éxito para implementar un algoritmo de navegación autónoma para drones que es capaz de adaptarse en tiempo real a los espacios de navegación más complejos, aunque esta aplicación no es más que el anticipo de lo que en teoría pueden hacer las redes neuronales líquidas.

Esto se debe a que sus diseñadores esperan que a corto plazo puedan ser utilizadas para catapultar la conducción autónoma de los coches, elaborar sistemas de diagnóstico médico mucho más precisos, procesar vídeo en tiempo real o analizar grandes volúmenes de datos financieros, entre otras aplicaciones y si demuestran ser tan flexibles y capaces como defienden sus creadores, se podría estar en las puertas de un gran salto en el ámbito de la inteligencia artificial.

Nomyc-24-10-23