Nueva investigación muestra cómo la computación neuromórfica podría revolucionar la tecnología blockchain y la IA

Nueva investigación muestra cómo la computación neuromórfica podría revolucionar la tecnología blockchain y la IA

#crypto #cryptomonedas #bitcoin

Investigadores de la Technische Universität Dresden (Alemania) acaban de publicar una investigación pionera que muestra un nuevo diseño de material para la computación neuromórfica, una tecnología que podría tener implicaciones revolucionarias tanto para la tecnología Blockchain como para la IA.

Mediante una técnica denominada "computación de depósito", el equipo desarrolló un método de reconocimiento de patrones que utiliza un vórtice de magnones para realizar funciones algorítmicas de forma casi instantánea.

Parece complicado porque lo es. Fuente de la imagen, artículo de Nature, Korber, et. al., Pattern recognition in reciprocal space with a magnon-scattering reservoir.

No solo desarrollaron y probaron el nuevo material de depósito, sino que también demostraron el potencial de la computación neuromórfica para funcionar en un chip CMOS estándar, algo que podría poner patas arriba tanto el blockchain como la IA.

Los ordenadores clásicos, como los que alimentan nuestros smartphones, portátiles y la mayoría de los superordenadores del mundo, utilizan transistores binarios que pueden estar encendidos o apagados (expresados como un "uno" o un "cero").

Los ordenadores neuromórficos utilizan neuronas artificiales físicas programables para imitar la actividad cerebral orgánica. En lugar de procesar binarios, estos sistemas envían señales a través de patrones variables de neuronas con el factor añadido del tiempo.

La razón por la que esto es importante para los campos del blockchain y la IA, específicamente, es porque los ordenadores neuromórficos son fundamentalmente adecuados para el reconocimiento de patrones y los algoritmos de aprendizaje automático.

Los sistemas binarios utilizan el álgebra booleana para calcular. Por esta razón, los ordenadores clásicos no tienen rival a la hora de calcular números. Sin embargo, cuando se trata de reconocer patrones, especialmente cuando los datos tienen ruido o falta información, estos sistemas tienen dificultades.

Esta es la razón por la que los sistemas clásicos tardan mucho tiempo en resolver enigmas criptográficos complejos y por la que son totalmente inadecuados para situaciones en las que los datos incompletos impiden una solución basada en las matemáticas.

En los sectores de las finanzas, la inteligencia artificial y el transporte, por ejemplo, hay una afluencia incesante de datos en tiempo real. Los ordenadores clásicos tienen dificultades con los problemas ocluidos: el reto de los coches sin conductor, por ejemplo, ha resultado hasta ahora difícil de reducir a una serie de problemas de cálculo "verdadero/falso".

Sin embargo, los ordenadores neuromórficos están diseñados para resolver problemas que implican falta de información. En el sector del transporte, es imposible que un ordenador clásico prediga el flujo de tráfico porque hay demasiadas variables independientes. Un ordenador neuromórfico puede reaccionar constantemente a los datos en tiempo real porque no procesa los datos de uno en uno.

En su lugar, los ordenadores neuromórficos ejecutan datos a través de configuraciones de patrones que funcionan en cierto modo como el cerebro humano. Nuestros cerebros muestran patrones específicos en relación con funciones neuronales concretas, y tanto los patrones como las funciones pueden cambiar con el tiempo.

La principal ventaja de la computación neuromórfica es que, en comparación con la computación clásica y cuántica, su nivel de consumo energético es extremadamente bajo. Esto significa que los ordenadores neuromórficos podrían reducir significativamente el coste en términos de tiempo y energía cuando se trata tanto de operar una cadena de bloques como de minar nuevos bloques en las cadenas de bloques existentes.

Los ordenadores neuromórficos también podrían acelerar considerablemente los sistemas de aprendizaje automático, especialmente los que interactúan con sensores del mundo real (coches autónomos, robots) o los que procesan datos en tiempo real (análisis del mercado de criptomonedas, centros de transporte).

Aclaración: La información y/u opiniones emitidas en este artículo no representan necesariamente los puntos de vista o la línea editorial de Cointelegraph. La información aquí expuesta no debe ser tomada como consejo financiero o recomendación de inversión. Toda inversión y movimiento comercial implican riesgos y es responsabilidad de cada persona hacer su debida investigación antes de tomar una decisión de inversión.

Las inversiones en criptoactivos no están reguladas. Es posible que no sean apropiados para inversores minoristas y que se pierda el monto total invertido. Los servicios o productos ofrecidos no están dirigidos ni son accesibles a inversores en España.

source
Según es.cointelegraph.com

Comments

No comments yet. Why don’t you start the discussion?

Deja una respuesta

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