\n<\/p>\n
Liquid AI, una especie de spin-off del Instituto Tecnol\u00f3gico de Massachusetts (MIT), anunci\u00f3 el 6 de diciembre que hab\u00eda recaudado 37,5 millones de d\u00f3lares. Esta financiaci\u00f3n permitir\u00e1 a esta nueva entidad…<\/p>\n
Liquid AI, una especie de spin-off del Instituto Tecnol\u00f3gico de Massachusetts (MIT), anunci\u00f3 el 6 de diciembre que hab\u00eda recaudado 37,5 millones de d\u00f3lares. Esta financiaci\u00f3n permitir\u00e1 a esta nueva entidad dise\u00f1ar modelos de inteligencia artificial (IA) impulsados \u200b\u200bpor un nuevo tipo de red neuronal.<\/p>\n
Para su recaudaci\u00f3n de fondos, Liquid AI se acerc\u00f3 a varios fondos de inversi\u00f3n y pudo contar con la participaci\u00f3n de inversores privados como el cofundador de GitHub, Tom Preston Werner, el cofundador de Shopify, Tobias L\u00fctke y la empresa Red Hat. -fundador Bob Young. La nueva empresa est\u00e1 valorada ahora en 303 millones de euros.<\/p>\n
Ramin Hasani, exdirector cient\u00edfico de Vanguard, encabeza esta entidad. Lo acompa\u00f1an Mathias Lechner, como director tecnol\u00f3gico (CTO), y Alexander Amini, como director cient\u00edfico. Con la ayuda de Daniela Rus, cofundadora de la spin-off y directora del Laboratorio de Ciencias de la Computaci\u00f3n e Inteligencia Artificial del MIT, los tres investigadores inventaron las redes neuronales l\u00edquidas (LNN). Para aprovechar su descubrimiento crearon Liquid AI.<\/p>\n
A diferencia de una red neuronal m\u00e1s tradicional, las redes neuronales l\u00edquidas utilizan menos neuronas y par\u00e1metros, pero ofrecen un rendimiento igual de confiable. A modo de comparaci\u00f3n, una red neuronal l\u00edquida entrenada para realizar tareas como volar un dron al aire libre puede contener s\u00f3lo 20.000 par\u00e1metros y menos de 20 neuronas. Utilizando una red neuronal convolucional (CNN) t\u00edpicamente utilizada para entrenar modelos de aprendizaje profundo, se multiplicar\u00eda el n\u00famero de par\u00e1metros y neuronas utilizadas, hasta alcanzar un m\u00ednimo de 100.000 neuronas y medio mill\u00f3n de par\u00e1metros.<\/p>\n
Si con las tecnolog\u00edas actuales un modelo con un n\u00famero bajo de par\u00e1metros y neuronas es sin\u00f3nimo de una soluci\u00f3n menos eficiente, con las redes neuronales l\u00edquidas las cartas se reorganizar\u00e1n. Con menos neuronas y par\u00e1metros, pero un alto nivel de rendimiento, los modelos desarrollados utilizar\u00e1n menos potencia inform\u00e1tica. Un verdadero avance que permitir\u00eda reducir el alt\u00edsimo coste de funcionamiento de la IA generativa.<\/p>\n
Las redes neuronales l\u00edquidas tienen una \u00faltima gran ventaja. Tienen la capacidad de adaptar su configuraci\u00f3n en funci\u00f3n de las solicitudes de los usuarios para satisfacer mejor sus necesidades. En las pruebas realizadas por Liquid AI, los LNN superaron a otros algoritmos de \u00faltima generaci\u00f3n y tomaron decisiones consistentes a diferencia de los modelos que utilizan CNN.<\/p>\n
A principios de este a\u00f1o, el equipo de Liquid AI desarroll\u00f3 con \u00e9xito una red neuronal l\u00edquida con 19 neuronas. Los investigadores del MIT utilizaron una base de datos de los vuelos de un piloto profesional de drones para entrenar su modelo. Implementaron su soluci\u00f3n en una flota de drones cuadrotores para ver si pod\u00edan volar de forma aut\u00f3noma en diversos entornos al aire libre, como bosques o una zona urbana densa. Hasta el momento, los experimentos llevados a cabo por Liquid AI parecen ser concluyentes.<\/p>\n<\/div>\n