¿Existe una superposición entre la nanotecnología y la inteligencia artificial / aprendizaje automático?

Si bien no hay mucha superposición entre la nanotecnología y la IA / aprendizaje automático en este momento, está empezando a existir, y el área de superposición solo aumentará con el tiempo.

El área donde se produce la superposición es en implementaciones de hardware de circuitos neuronales. Si bien esto está más cerca de la tecnología de fabricación de IC (máscaras y capas) que de la nanotecnología (objetos mecánicos), incluso estos dos se están fusionando a medida que se utilizan técnicas de fabricación de IC para crear nanoobjetos. En cierto sentido, la fabricación de circuitos integrados funciona de la misma manera que una impresora 3D (creando estructuras 3D a partir de capas 2D), pero a menor escala.

Un proyecto de investigación en la vanguardia de los chips de circuitos neuronales es el proyecto SyNAPSE (Sistemas de electrónica escalable de plástico neuromorfo) de HP para desarrollar chips de red neuronal a gran escala utilizando memristors: Memristor emula el aprendizaje neuronal y el “Neuristor”: Memristors utilizado para crear un comportamiento neuronal

También se han realizado esfuerzos para crear una retina artificial, fusionando células de fotocaptura CCD con circuitos de procesamiento de imagen paralelos para crear chips VLSI que capturan y procesan video en tiempo real.

Además, los chips GPU se utilizan cada vez más para simulaciones estadísticas de aprendizaje automático.

Aún así, la vanguardia de la inteligencia artificial y el aprendizaje automático estadístico está en los algoritmos, todos desarrollados en software porque es mucho más fácil.

Gracias por el A2A.
Personalmente, no estoy seguro de si están conectados, pero espero que lo estén, ya que los beneficios serán tremendos.

Creo que ya se ha hecho un buen trabajo en el desarrollo de la arquitectura profunda de arquitecturas de aprendizaje profundo [1], [2].
Como Paul King menciona, la superposición solo aumentará con el tiempo.

[1] Página en lecun.com
[2] http://venturebeat.com/2014/08/2…

Estoy de acuerdo con Paul King en muchos aspectos. Las implementaciones de hardware de las redes neuronales son una cosa, y eso está más cerca de VLSI que de Nanotech. Además, me gustaría agregar que empresas como Intel están trabajando en la aceleración de hardware para aplicaciones de Machine Learning, y las universidades también han estado investigando sobre el mismo.
Sin embargo, el hecho clave sigue siendo que “la vanguardia de la inteligencia artificial y el aprendizaje automático estadístico está en los algoritmos, todos desarrollados en software porque es mucho más fácil”.

Además, como ingeniero de ECE, es posible que le falte el conocimiento para avanzar en el área de “materiales y métodos de fabricación” de Nanotech, que es donde se centra la atención. Esta área se adaptaría mejor a las personas de Ciencia de Materiales, Ingeniería Química, etc. , si desea entrar en él, probablemente deba olvidarse de todo lo demás y dedicar mucho tiempo y esfuerzo allí.

En resumen, respaldaría su pensamiento de que “debería abandonar uno de estos para poder obtener un mejor dominio de uno de estos campos y, por lo tanto, ser capaz de contribuir más a resolver estos problemas”. Y espero que tome al menos un curso completo y haga al menos un proyecto en ambas áreas antes de reducir.

Buena suerte.

Los estados actuales de estos dos campos tienen solo conexiones teóricas. En algún momento imagino un sistema de IA que diseña y optimiza el desarrollo de la nanotecnología, pero ese punto está en algún momento en el futuro, mucho después de que hayas completado tu licenciatura y probablemente después de que hayas tenido tiempo de defender más de unas pocas disertaciones de grado avanzado. .

Creo que gran parte del potencial de la nanotecnología radica en reorganizar los átomos de forma automática inteligente … por lo que esencialmente se imprime en 3D a escala nanométrica, utilizando casi cualquier material como entrada.

Esto implica construir un robot que pueda reconocer cada átomo individual, recombinarlo con otros átomos para crear su producto deseado, y luego recibir retroalimentación continua sobre cómo se está desempeñando su “creación” en relación con los objetivos de diseño especificados.

Con ese ejemplo en mente, debe elegir el camino que más le entusiasme y formar relaciones con personas en los otros campos interdisciplinarios. Por experiencia personal estudié ingeniería eléctrica y luego me concentré en ingeniería de software. Encuentro que el software produce la mayoría de las innovaciones; sin embargo, las innovaciones a menudo son más fáciles cuando se obtiene primero una base de conocimiento fuera de la ingeniería de software.