Crean la primera solución de Inteligencia Artificial a escala cerebral humana

La firma estadounidense Cerebras Systems ha anunciado recientemente el desarrollo de una innovación que podría marcar un punto de inflexión en la historia de la Inteligencia Artificial (IA) y de la informática contemporánea. Básicamente, es un sistema dedicado al entrenamiento de modelos y dispositivos con base en IA que equipara la capacidad del cerebro humano en términos de cantidad de parámetros que pueden gestionarse.

Nuestro cerebro dispone de alrededor de 100 billones de sinapsis, que son las conexiones neuronales que le permiten «procesar» la información y aprender cosas nuevas. En la actualidad, los grupos de hardware que trabajan en el entrenamiento de sistemas de Inteligencia Artificial alcanzan aproximadamente un 1% de la escala del cerebro humano, según un artículo publicado en Business Wire.

En otras palabras, esto supondría alrededor de 1 billón de parámetros, que son el equivalente informático de las sinapsis cerebrales. La cantidad de parámetros marca la capacidad de un sistema computacional para «aprender» o desarrollar procesos: si trabaja con una mayor cantidad de parámetros, quiere decir que es capaz de brindar más soluciones o encarar más tareas en forma simultánea y en menos tiempo.

Ahora, la innovación de la empresa californiana supone poder operar un modelo de Inteligencia Artificial con la capacidad de gestionar 120 billones de parámetros, de acuerdo a un artículo de Forbes. Esto significa que el nuevo sistema tendría la misma magnitud (o incuso superior) que el cerebro humano, si equiparamos los parámetros con las sinapsis.

El salto adelante de la Inteligencia Artificial

No es difícil imaginar el salto adelante que esto supondría con respecto al impacto de la IA en nuestra realidad: pasaríamos de modelos que entrenan y gestionan dispositivos de Inteligencia Artificial a razón de un 1% de la escala cerebral o otros que alcanzarían el 100% o incluso más de la potencialidad del cerebro humano. ¿Cuáles serían los principales progresos que podrían obtenerse con este increíble avance?

En principio, sería posible adecuarse a las necesidades de la Inteligencia Artificial: los modelos de IA están duplicando su tamaño cada 3,5 meses, como así también la capacidad de procesamiento que necesitan para entrenar. Esta tendencia en constante crecimiento ha producido modelos 1000 veces más grandes solamente en los últimos dos años. La única forma de hacer frente a estos requerimientos es ampliando la cantidad de parámetros que pueden gestionar.

Al mismo tiempo, uno de los mayores desafíos del uso de grandes grupos de hardware y de equipos cada vez más complejos para resolver problemas de Inteligencia Artificial es la dificultad que acarrea y el tiempo que se necesita para instalarlos, configurarlos y luego optimizarlos para su aprovechamiento en una red neuronal específica. Con modelos con una cantidad de parámetros a escala cerebral, esos «cuellos de botella» podrían simplificarse notoriamente.

Un futuro que parece cercano

Un futuro que parece cercanoPor ejemplo, según un artículo publicado en ZDNet, el nuevo modelo integra una máquina de memoria y un conmutador de estructura que permiten sistemas agrupados de hasta 192 equipos informáticos de extrema complejidad, orientados a resolver problemas de Inteligencia Artificial.

Esto supone que en un futuro cercano será posible gestionar redes informáticas cada vez más grandes dedicadas con exclusividad a la Inteligencia Artificial, de una manera que permita obtener una mejor utilización de todos los elementos computacionales y, por lo tanto, derivando en un óptimo rendimiento para una infinidad de aplicaciones e, incluso, en un uso más eficiente de la energía.

¿Habrá límites para esquemas de Inteligencia Artificial capaces de alcanzar o superar al cerebro humano? ¿Quién los pondrá y bajo qué criterios? Todo un universo de incógnitas que se abre frente a un escenario que parece tan cercano como complejo en sus interacciones, algunas de las cuales se vislumbran como muy positivas y otras que, en cambio, arrojan profundas dudas.

Foto: Gerd Altmann en Pixabay.