Las últimas mejoras en la inteligencia artificial obligan a mejorar el hardware. "Los smartphones actuales no son inteligentes. Pero si el móvil puede aprender de forma contínua, entonces lo podrían ser".

Yunji Chen, iconoclasta y cosmopolita, lleva una camisa de franela por fuera de los pantalones y da sorbitos a un smoothie de mango en una cafetería italiana en Pekín (China). Está hablando de cómo puede hacer que el aprendizaje profundo, un campo candente de la inteligencia artificial, sea mucho más útil para la población.

Lo que antes representaba una rama desconocida de investigación, el aprendizaje profundo ha producido rápidos avances en la búsqueda de imágenes, el reconocimiento de voz y otros aspectos de la informática (ver El hombre que enseña a las máquinas a entender el lenguaje). Las empresas como Google y Baidu han realizado fuertes inversiones en su aplicación para conseguir que los ordenadores aprendan del mundo mediante vastas cantidades de datos sin necesidad de entrenamiento manual. Sin embargo, la tecnología conlleva un alto gasto de recursos: cuando el proyecto Brain de Google entrenó a un ordenador para poder reconocer la cara de un gato en 2012, se necesitaron 16.000 núcleos de microprocesador. Esto le produce una gran consternación a Chen. "El gasto y el consumo energético son muy elevados", dice, señalando que sólo las grandes empresas se lo pueden costear.

La razón es que la mayoría de los procesadores pueden repetir con rapidez cálculos matemáticos básicos pero necesitan "cientos de instrucciones" para ejecutar las funciones más elaboradas que son requeridas por las técnicas más avanzadas de aprendizaje artificial, según Chen. Así que diseña procesadores para el aprendizaje profundo optimizados para "computar los bloques básicos del aprendizaje". En su laboratorio del Instituto de Tecnología Informática, los asistentes de investigación ejecutan un programa informático que simula cómo determinados ajustes en el diseño de los chips afectarían las velocidades del procesamiento. "Estamos cambiando los cables, las conexiones, los circuitos", explicó. Su último diseño parece ser cientos de veces más rápido que las unidades actuales de procesamiento, mientras que sólo requiere la milésima parte de energía.

Por muy impresionante que sea esto, Chen, que se matriculó en la universidad a la edad de 14 años y para los 24 años ya había terminado el doctorado en Ciencias Informáticas, quiere reducir el consumo energético por un factor de 10.000, lo que podría permitir que se ejecuten funciones de aprendizaje profundo desde smartphones o dispositivos portables. "Dentro de unos cinco años", dice Chen, "creo que cada móvil podrá ser tan potente como Google Brain".

—Christina Larson. Traducido por Teresa Woods

Conoce al resto de los 'MIT Technology Review' Innovadores menores de 35 globales 2015