La computación hiperdimensional está redefiniendo la inteligencia artificial

A pesar de lo salvaje éxito de ChatGPT y otros grandes modelos de lenguaje, las redes neuronales artificiales (ANN) que sustentan estos sistemas pueden estar en el camino equivocado.

Por un lado, las ANN tienen "súper hambre de poder", dijeron. Cornelia Fermüllerinformático de la Universidad de Maryland.” Y el otro problema es [their] falta de transparencia". Dichos sistemas son tan complejos que nadie entiende realmente lo que hacen o por qué funcionan tan bien. Esto, a su vez, hace que sea casi imposible hacerlos razonar por analogía, que es lo que hacen los humanos: usar símbolos para objetos, ideas y las conexiones entre ellos.

Es probable que estos atajos se deriven de la estructura actual de las ANN y sus componentes básicos: las neuronas artificiales individuales. Cada neurona recibe entradas, realiza cálculos y produce salidas. Las ANN modernas son redes complejas de estas unidades computacionales entrenadas para realizar tareas específicas.

Sin embargo, las limitaciones de las ANN han sido evidentes durante mucho tiempo. Considere, por ejemplo, una ANN que discrimina entre círculos y cuadrados. Una forma de hacerlo es tener dos neuronas en la capa de salida, una que muestre un círculo y otra que muestre un cuadrado. Si desea que su ANN también reconozca el color de la forma, digamos azul o rojo, necesitará cuatro. neuronas de salida: una para el círculo azul, el cuadrado azul, el círculo rojo y el cuadrado rojo. Más características significan aún más neuronas.

Nuestros cerebros no pueden percibir el mundo natural en todas sus variaciones de esta manera. "Tienes que asumir que tienes una neurona para todas las combinaciones", dijo bruno olshausenneurocientífico de la Universidad de California, Berkeley. "Así tendrás en tu cerebro, [say,] detector violeta volkswagen.

En cambio, Olshausen y otros Argumentan que la información en el cerebro está representada por la actividad de múltiples neuronas. Entonces, la percepción de un Volkswagen púrpura no está codificada como las acciones de una sola neurona, sino como las de miles de neuronas. El mismo conjunto de neuronas, que funcionan de manera diferente, puede representar un concepto completamente diferente (quizás un Cadillac rosa).

Este es el punto de partida para un enfoque radicalmente diferente de la computación conocido como computación hiperdimensional. La clave es que cada pieza de información, como la imagen de un automóvil o su marca, modelo o color, o todos ellos, se represente como una sola entidad: un vector hiperdimensional.

Un vector es simplemente una matriz ordenada de números. Un vector 3D, por ejemplo, consta de tres números: X, y y z coordenadas de un punto en el espacio 3D. Un vector hiperdimensional o hipervector puede ser una matriz de 10.000 números, por ejemplo, que representan un punto en un espacio de 10.000 dimensiones. Estos objetos matemáticos y el álgebra para manipularlos son lo suficientemente flexibles y potentes como para llevar a las computadoras modernas más allá de algunas de sus limitaciones actuales y fomentar un nuevo enfoque de la inteligencia artificial.

"Esto es lo que más me emociona, prácticamente toda mi carrera”, dijo Olshausen. Para él y muchos otros, la computación hiperdimensional promete un nuevo mundo en el que los cálculos son eficientes y estables y las decisiones tomadas por máquinas son completamente transparentes.

Entrar en espacios de alta dimensión

Para comprender cómo los hipervectores hacen posible la computación, volvamos a las imágenes del círculo y el cuadrado azul. PRIMERO, necesitamos vectores para anular la forma y el color de las variables. Luego también necesitamos los valores que se pueden asignar a las variables: ciudad: ciudad, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo , círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo , círculo, círculo, círculo, círculo, círculo, círculo, círculo, círculo, CUADRADO, AZUL y ROJO.

Los vectores deben ser distinguibles. Esta distinción se puede cuantificar mediante una propiedad llamada ortogonalidad, lo que significa que están en ángulo recto. En el espacio 3D, hay tres vectores que son ortogonales entre sí: uno en X dirección, otra en y y un tercero en z.En el espacio de 10.000 dimensiones hay 10.000 vectores mutuamente ortogonales.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Subir
error: Content is protected !!