https://www-quantamagazine-org.translate.goog/how-to-make-the-universe-think-for-us-20220531/?_x_tr_sl=auto&_x_tr_tl=es&_x_tr_hl=es&_x_tr_pto=wapp
“Estamos reinventando no solo el hardware”, dijo Benjamin Scellier , matemático del Instituto Federal Suizo de Tecnología de Zúrich en Suiza que ayudó a diseñar un nuevo algoritmo de aprendizaje físico, sino “también todo el paradigma informático”.
Una red neuronal profunda es un programa de computadora que aprende a través de la práctica. La red se puede considerar como una cuadrícula: las capas de nodos llamadas neuronas, que almacenan valores, están conectadas a las neuronas en capas adyacentes mediante líneas o "sinapsis". Inicialmente, estas sinapsis son solo números aleatorios conocidos como "pesos".
El desafío es construir sistemas físicos que puedan llevar a cabo naturalmente los dos procesos necesarios para la IA: el "pensamiento" involucrado en (digamos) clasificar una imagen y el "aprendizaje" necesario para clasificar dichas imágenes correctamente. Un sistema que dominara ambas tareas aprovecharía la capacidad del universo para actuar matemáticamente sin tener que hacer matemáticas.
Las redes neuronales digitales solo pueden escalar mucho antes de empantanarse por un cálculo excesivo, pero las redes físicas más grandes no necesitan hacer nada más que ser ellas mismas.
