¿Qué quieres decir con más viable? Por favor defina más claramente. Diferentes chips neuromórficos (NMC) y redes neuronales artificiales (ANN) están diseñados para resolver diferentes tareas. No hay mejor ni peor. Ambos tienen sus pros y sus contras.
No soy un experto por todos los medios, así que solo compararé la diferencia y similitud entre NMC y ANN tal como las entiendo.
Redes neuronales artificiales
ANN son más abstractos y simbólicos en términos de las características biológicas utilizadas para llevar a cabo sus algoritmos. Intentan modelar cómo el cerebro aprende con lenguajes matemáticos. Les importa poco el parecido físico con el cerebro. El potencial de acción, el axón y la dendrita son inexistentes en este tipo de modelo. Sin embargo, toman prestados conceptos biológicos como la red jerárquica, los pesos de conexión y la codificación dispersa que es comprensiblemente útil para que los algoritmos de aprendizaje mejoren sus capacidades. De lo contrario, un algoritmo debería ser lo más simple posible. Debido a este minimalismo, pueden simplificar la salida de un nodo en encendido / apagado binario, y puede haber solo un parámetro que denote la fuerza de conexión entre los nodos de la red. En este sentido, simplemente constituyen un algoritmo inteligente con algunos conocimientos de neurociencia que intentan resolver las tareas tradicionales existentes. También existe la posibilidad de que simplemente reemplacemos el algoritmo de software con circuitos y transistores, en lugar de lenguaje de computadora. La ventaja es que NMC procesa más rápido y ahorra energía. La desventaja es que ya no es modificable.
- ¿Qué es un buen libro para el aprendizaje automático y la inteligencia artificial?
- ¿Cuál es la diferencia entre una red neuronal artificial y una red neuronal biológica?
- ¿Cuánto tiempo llevará la inteligencia artificial dominar el pensamiento abstracto y filosófico?
- A medida que se desarrollen los robots de IA, los abogados y los médicos serán reemplazados. ¿Cómo pueden los robots de IA hacer estos trabajos por completo? ¿Cuánto tiempo tardará?
- ¿Por qué 'nadie' trabaja en hacer una IA consciente?
Algunos dicen que están diseñando chips neuromórficos para construir computadoras diferentes a las máquinas de Turing. Si aún podemos considerarlo como un dispositivo para hacer cálculos aritméticos, entonces NMC puede convertirse en el nuevo hardware para ejecutar ANN.
Chip neuromórfico
Los chips neuromórficos son más biológicamente realistas. Tienden a emular a su contraparte biológica hasta cierto punto de realismo dependiendo de su propósito. Algunos apuntan a comprender los cerebros humanos y simulan el cerebro hasta el más mínimo detalle, como la conductancia de la membrana, los canales iónicos y las neuronas en transformación. Otros exploran las aplicaciones del mecanismo de sistemas nerviosos específicos, como la retina o la corteza motora. No requieren algoritmos de optimización ni ningún tipo de función de costo (los cuales casi siempre se usan en el aprendizaje automático). El diseñador de este tipo de chip neuromórfico tiene una creencia completamente diferente de la anterior. Creen que al imitar las propiedades físicas del sistema nervioso, podemos replicar un cerebro en sílice. Al copiar los detalles del sistema nervioso de manera integral, las conductas de aprendizaje surgirán posteriormente.
Para concluir, los ANN son impulsados por objetivos y específicos de objetivos. Utilizan conceptos de neurociencia, pero no aprenden de la manera en que lo hacen los cerebros reales. El campo depende en gran medida de las estadísticas y el conocimiento matemático, y solo utiliza características neuronales cuando aportan una ventaja práctica. Por lo tanto, los ANN son más artificiales que cerebrales. Pueden hacer mucho lo que nuestros cerebros no pueden, pero están restringidos a nuestras herramientas matemáticas y no pueden enseñarnos mucho sobre los cerebros.
NMC es más impulsado por la ciencia. Su objetivo es comprender cómo funcionan los cerebros mientras busca oportunidades para aplicarlo a otras disciplinas. Para un modelo realista, puede obtener el formulario antes de que comprendamos cómo funciona. Es una sonda para comprender cerebros reales en lugar de un algoritmo inteligente que reconoce imágenes. Para las NMC que buscan aplicaciones, solo capturan la función aproximada del sistema nervioso, mientras que son más eficientes energéticamente.