{"id":63419,"date":"2023-10-03T12:12:38","date_gmt":"2023-10-03T18:12:38","guid":{"rendered":"https:\/\/mickyandoniehn.com\/radio\/2023\/10\/03\/las-redes-neuronales-liquidas-estan-listas-para-catapultar-la-inteligencia-artificial-palabra-del-mit\/"},"modified":"2023-10-03T12:12:38","modified_gmt":"2023-10-03T18:12:38","slug":"las-redes-neuronales-liquidas-estan-listas-para-catapultar-la-inteligencia-artificial-palabra-del-mit","status":"publish","type":"post","link":"https:\/\/mickyandoniehn.com\/radio\/2023\/10\/03\/las-redes-neuronales-liquidas-estan-listas-para-catapultar-la-inteligencia-artificial-palabra-del-mit\/","title":{"rendered":"Las redes neuronales l\u00edquidas est\u00e1n listas para catapultar la inteligencia artificial. Palabra del MIT"},"content":{"rendered":"<\/p>\n<p>Redes neuronales l\u00edquidas. Parece una idea ex\u00f3tica, y s\u00ed, en cierto modo lo es. El MIT (Instituto Tecnol\u00f3gico de Massachusetts)\u00a0<a href=\"https:\/\/www.xataka.com\/inteligencia-artificial\/nuevo-algoritmo-mit-puede-entrenar-redes-neuronales-200-veces-rapido-que-tecnicas-vigentes\">trabaja en ellas<\/a>\u00a0junto a otras universidades muy reputadas, como el Instituto de Ciencia y Tecnolog\u00eda de Austria, al menos\u00a0<a href=\"https:\/\/arxiv.org\/pdf\/2006.04439.pdf\">desde principios de esta d\u00e9cada<\/a>. Y est\u00e1 obteniendo\u00a0<strong>resultados muy prometedores<\/strong>. Entender qu\u00e9 es\u00a0<a href=\"https:\/\/www.xataka.com\/robotica-e-ia\/las-redes-neuronales-que-son-y-por-que-estan-volviendo\">una red neuronal<\/a>\u00a0no es dif\u00edcil si esquivamos los detalles m\u00e1s complejos. Al fin y al cabo es un programa inform\u00e1tico inspirado en la estructura y el funcionamiento del cerebro humano con el prop\u00f3sito de procesar informaci\u00f3n e inferir nuevo conocimiento.<\/p>\n<p>Una\u00a0<a href=\"https:\/\/www.xataka.com\/inteligencia-artificial\/llevamos-anos-usando-mal-redes-neuronales-ahora-sabemos-como-hacerlas-10-veces-pequenas-perder-rendimiento\">red neuronal artificial<\/a>\u00a0est\u00e1 constituida por varias capas de unos objetos l\u00f3gicos conocidos como nodos o neuronas artificiales. Cada nodo tiene entidad propia y es capaz de procesar informaci\u00f3n para obtener un resultado y entreg\u00e1rselo a uno o varios nodos de la siguiente capa de la red neuronal. Hay varios tipos diferentes de\u00a0<a href=\"https:\/\/www.xataka.com\/fotografia-y-video\/redes-neuronales-avanzan-a-ritmo-vertiginoso-estos-escenarios-3d-creados-a-partir-fotografias-ejemplo\">redes neuronales<\/a>, pero todos ellos persiguen un mismo objetivo: procesar informaci\u00f3n para generar nuevo conocimiento. Las redes neuronales convolucionales, por ejemplo, se utilizan para identificar patrones, reconocer im\u00e1genes, interpretar la voz o implementar algoritmos de visi\u00f3n artificial.<\/p>\n<p>No obstante, hay un componente muy importante de esta tecnolog\u00eda en el que a\u00fan no hemos indagado:\u00a0<strong>el entrenamiento<\/strong>. Este procedimiento requiere, sencillamente, entregar informaci\u00f3n a la red neuronal para que sea procesada, pero no con el prop\u00f3sito de que nos devuelva uno o varios resultados, sino para que aprenda a trabajar con este tipo de informaci\u00f3n y sea capaz de elaborar predicciones o clasificaciones cuando le suministremos posteriormente los datos que necesitamos analizar. Esta descripci\u00f3n es un poco burda, pero nos resulta \u00fatil para entender de qu\u00e9 estamos hablando sin complicar demasiado este art\u00edculo.<\/p>\n<h2>Las redes neuronales l\u00edquidas son las mejores aliadas de la inteligencia artificial que viene<\/h2>\n<p>A diferencia de los dem\u00e1s tipos de redes neuronales, que, como acabamos de ver, han sido dise\u00f1ados para aprender durante la fase de entrenamiento a partir de una entrada prefijada, las redes neuronales l\u00edquidas tambi\u00e9n aprenden durante el an\u00e1lisis de la informaci\u00f3n que se les entrega con el prop\u00f3sito de inferir nuevo conocimiento. Esto significa, sencillamente, que son capaces de adaptarse continuamente a los nuevos datos de entrada que reciben con el prop\u00f3sito de aprender de forma din\u00e1mica e ininterrumpida. Como veis, suena muy bien.<\/p>\n<div class=\"article-asset-summary article-asset-small article-asset-right\">\n<div class=\"asset-content\">\n<p class=\"sumario_derecha\">Las redes neuronales l\u00edquidas son m\u00e1s eficientes que otras redes neuronales artificiales y tienen una mayor expresividad<\/p>\n<\/div>\n<\/div>\n<p>Los investigadores que han dise\u00f1ado estas redes neuronales artificiales han elegido el adjetivo \u2018l\u00edquidas\u2019 precisamente para sugerir su flexibilidad y su capacidad de adaptaci\u00f3n constante. No obstante, su propuesta tiene dos cualidades m\u00e1s que merece la pena que no pasemos por alto: presumiblemente son m\u00e1s eficientes que otras redes neuronales artificiales y\u00a0<strong>tienen una mayor expresividad<\/strong>.<\/p>\n<p><a href=\"https:\/\/news.mit.edu\/2021\/machine-learning-adapts-0128\">Seg\u00fan Ramin Hasani<\/a>, que es uno de los investigadores del MIT especializado en redes neuronales l\u00edquidas, la expresividad describe la facilidad con la que los ingenieros pueden actuar sobre el rendimiento de la red neuronal modificando la representaci\u00f3n de las neuronas artificiales. Esta caracter\u00edstica, de nuevo seg\u00fan Hasani, permite a estas redes abordar niveles de complejidad que no son manejables con otras estructuras de procesamiento de la informaci\u00f3n.<\/p>\n<div class=\"article-asset-video article-asset-normal\">\n<div class=\"asset-content\">\n<div class=\"\">\n<div class=\"js-dailymotion\">\n<div class=\"dailymotion-player-root dailymotion-player-x8gm6\">\n<div class=\"dailymotion-player-wrapper\"><\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<p>A\u00fan nos falta explorar algo muy importante acerca de estas redes neuronales. Lo m\u00e1s importante, en realidad: sus campos de aplicaci\u00f3n. Los ingenieros del MIT ya las han utilizado con \u00e9xito para implementar\u00a0<a href=\"https:\/\/news.mit.edu\/2023\/drones-navigate-unseen-environments-liquid-neural-networks-0419\">un algoritmo de navegaci\u00f3n aut\u00f3noma para drones<\/a>\u00a0que es capaz de\u00a0<strong>adaptarse en tiempo real<\/strong>\u00a0a los espacios de navegaci\u00f3n m\u00e1s complejos. No obstante, esta aplicaci\u00f3n no es m\u00e1s que el preludio de lo que en teor\u00eda pueden hacer las redes neuronales l\u00edquidas.<\/p>\n<p>Y es que sus dise\u00f1adores esperan que a corto plazo puedan ser utilizadas para catapultar la conducci\u00f3n aut\u00f3noma de los coches, elaborar sistemas de diagn\u00f3stico m\u00e9dico mucho m\u00e1s precisos, procesar v\u00eddeo en tiempo real o analizar grandes vol\u00famenes de datos financieros, entre otras aplicaciones. Si finalmente demuestran ser tan flexibles y capaces como defienden sus creadores podr\u00edamos estar en las puertas de un gran salto en el \u00e1mbito de la\u00a0<a href=\"https:\/\/www.xataka.com\/robotica-e-ia\/que-inteligencia-artificial\">inteligencia artificial<\/a>.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Redes neuronales l\u00edquidas. Parece una idea ex\u00f3tica, y s\u00ed, en cierto modo lo es. El MIT (Instituto Tecnol\u00f3gico de Massachusetts)\u00a0trabaja en ellas\u00a0junto a otras universidades muy reputadas, como el Instituto de Ciencia y Tecnolog\u00eda de Austria, al menos\u00a0desde principios de esta d\u00e9cada. Y est\u00e1 obteniendo\u00a0resultados muy prometedores. Entender qu\u00e9 es\u00a0una red neuronal\u00a0no es dif\u00edcil si &hellip;<\/p>\n","protected":false},"author":0,"featured_media":63420,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[5],"tags":[],"class_list":["post-63419","post","type-post","status-publish","format-standard","has-post-thumbnail","","category-noticias"],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/mickyandoniehn.com\/radio\/wp-content\/uploads\/2023\/10\/500_333-24a4Pm.jpeg","_links":{"self":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/63419","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/types\/post"}],"replies":[{"embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/comments?post=63419"}],"version-history":[{"count":0,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/posts\/63419\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media\/63420"}],"wp:attachment":[{"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/media?parent=63419"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/categories?post=63419"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mickyandoniehn.com\/radio\/wp-json\/wp\/v2\/tags?post=63419"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}