![\"\"](\"http:\/\/www.feeling.com.mx\/img\/2021\/09\/inteligencia-artificial-escala-cerebral-portada-1024x488-300x142.jpg\" "\\"inteligencia-artificial-escala-cerebral-portada-1024x488\\"")
\nUna empresa de California ha creado un \u00fanico sistema inform\u00e1tico para admitir modelos de Inteligencia Artificial (IA) de m\u00e1s de 120 billones de par\u00e1metros de tama\u00f1o, m\u00e1s que el equivalente computacional en bruto de un cerebro humano completo. Podr\u00eda ser el inicio de una revoluci\u00f3n sin l\u00edmites en cuanto al impacto de la IA en todos los \u00f3rdenes de la vida humana.<\/p>\n
La firma estadounidense Cerebras Systems ha anunciado recientemente el desarrollo de una innovaci\u00f3n que podr\u00eda marcar un punto de inflexi\u00f3n en la historia de la Inteligencia Artificial (IA) y de la inform\u00e1tica contempor\u00e1nea. B\u00e1sicamente, es un sistema dedicado al entrenamiento de modelos y dispositivos con base en IA que equipara la capacidad del cerebro humano en t\u00e9rminos de cantidad de par\u00e1metros que pueden gestionarse.<\/p>\n
Nuestro cerebro dispone de alrededor de\u00a0100 billones de sinapsis, que son las conexiones neuronales que le permiten \u00abprocesar\u00bb la informaci\u00f3n 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, seg\u00fan un\u00a0art\u00edculo<\/a>\u00a0publicado en Business Wire.<\/p>\n En otras palabras, esto supondr\u00eda alrededor de 1 bill\u00f3n de par\u00e1metros, que son el equivalente inform\u00e1tico de las sinapsis cerebrales. La\u00a0cantidad de par\u00e1metros\u00a0marca la capacidad de un sistema computacional para \u00abaprender\u00bb o desarrollar procesos: si trabaja con una mayor cantidad de par\u00e1metros, quiere decir que es capaz de brindar m\u00e1s soluciones o encarar m\u00e1s tareas en forma simult\u00e1nea y en menos tiempo.<\/p>\n Ahora, la innovaci\u00f3n de la empresa californiana supone poder operar un modelo de\u00a0Inteligencia Artificial\u00a0con la capacidad de gestionar\u00a0120 billones de par\u00e1metros, de acuerdo a un\u00a0art\u00edculo<\/a>\u00a0de Forbes. Esto significa que el nuevo sistema tendr\u00eda la misma magnitud (o incuso superior) que el cerebro humano, si equiparamos los par\u00e1metros con las sinapsis.<\/p>\n No es dif\u00edcil imaginar el salto adelante que esto supondr\u00eda con respecto al impacto de la IA en nuestra realidad: pasar\u00edamos de modelos que entrenan y gestionan dispositivos de Inteligencia Artificial a raz\u00f3n de un 1% de la escala cerebral o otros que\u00a0alcanzar\u00edan el 100% o incluso m\u00e1s de la potencialidad del cerebro humano. \u00bfCu\u00e1les ser\u00edan los principales progresos que podr\u00edan obtenerse con este incre\u00edble avance?<\/p>\n En principio, ser\u00eda posible\u00a0adecuarse a las necesidades de la Inteligencia Artificial: los modelos de IA est\u00e1n duplicando su tama\u00f1o cada 3,5 meses, como as\u00ed tambi\u00e9n la capacidad de procesamiento que necesitan para entrenar. Esta tendencia en constante crecimiento ha producido modelos 1000 veces m\u00e1s grandes solamente en los \u00faltimos dos a\u00f1os. La \u00fanica forma de hacer frente a estos requerimientos es ampliando la cantidad de par\u00e1metros que pueden gestionar.<\/p>\n Al mismo tiempo, uno de los mayores desaf\u00edos del uso de grandes grupos de hardware y de equipos cada vez m\u00e1s 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 espec\u00edfica. Con\u00a0modelos con una cantidad de par\u00e1metros a escala cerebral, esos \u00abcuellos de botella\u00bb podr\u00edan simplificarse notoriamente.<\/p>\n Por ejemplo, seg\u00fan un\u00a0art\u00edculo<\/a>\u00a0publicado en ZDNet, el nuevo modelo integra una m\u00e1quina de memoria y un conmutador de estructura que permiten sistemas agrupados de hasta 192 equipos inform\u00e1ticos de extrema complejidad, orientados a resolver problemas de Inteligencia Artificial.<\/p>\n Esto supone que en un futuro cercano ser\u00e1 posible gestionar redes inform\u00e1ticas cada vez m\u00e1s grandes\u00a0dedicadas con exclusividad a la Inteligencia Artificial, de una manera que permita obtener una mejor utilizaci\u00f3n de todos los elementos computacionales y, por lo tanto, derivando en un \u00f3ptimo rendimiento para una infinidad de aplicaciones e, incluso, en un uso m\u00e1s eficiente de la energ\u00eda.<\/p>\n \u00bfHabr\u00e1 l\u00edmites para esquemas de\u00a0Inteligencia Artificial<\/a>\u00a0capaces de alcanzar o superar al cerebro humano? \u00bfQui\u00e9n los pondr\u00e1 y bajo qu\u00e9 criterios? Todo un universo de inc\u00f3gnitas 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.<\/p>\nEl salto adelante de la Inteligencia Artificial<\/h3>\n
Un futuro que parece cercano<\/h3>\n