X-Plane, todavía en la fase experimental, es increíble y podría reavivar el sueño de un vuelo supersónico de pasajeros que murió cuando el Concorde bajó a tierra. La NASA ha prometido lanzar el primer vuelo de este avión pionero que vuela a una velocidad de 1.609 kmph en cinco años.

Este avión experimental, que se llama como mi simulador de vuelo, (X-Plane) podría viajar de Londres a Nueva York en poco más de tres horas.

Ya se ha aclamado el X-Plane como el «nuevo Concorde» y ha revivido el sueño de un vuelo supersónico de pasajeros que fue abandonado cuando este icónico avión fue puesto a tierra en 2003.

La QueSST está diseñada por Lockheed Martin y está diseñada para producir un «latido cardíaco suave» cuando rompe la barrera del sonido, en lugar de un estrépito sonoro que rompe el oído.

EXCURSUS: El avión de pasajeros que realizaba el trayecto de Londres a NY en 3 horas y media

Concorde fue un jet de pasajeros supersónico impulsado por un turborreactor que operó hasta 2003.

Tenía una velocidad máxima sobre dos veces la velocidad del sonido en Mach 2.04 (1.354 mph o 2.180 k por hora a la altitud del crucero) y podría llevar sentados 92 a 128 pasajeros.

Voló por primera vez en 1969, pero necesitó más pruebas para establecerlo como viable como un avión comercial.

Concorde entró en servicio en 1976 y continuó volando durante los próximos 27 años.

Es uno de los dos transportes supersónicos que han operado comercialmente.

El otro es el Tupolev Tu-144 construido por la Unión Soviética, que funcionó por un período mucho más corto de tiempo antes de que fuera puesto a tierra y retirado debido a cuestiones de seguridad y presupuesto.

Concorde fue desarrollado y fabricado conjuntamente por Aérospatiale y British Aircraft Corporation (BAC) bajo un tratado anglo-francés. El nombre de Concorde, que significa armonía o unión, refleja la cooperación en el proyecto entre el Reino Unido y Francia.

En el Reino Unido, cualquiera o todos los aviones de ese tipo se conocen simplemente como «Concorde», sin el artículo.

Se construyeron 20 aviones incluyendo seis prototipos y aviones de desarrollo.

Air France (AF) y British Airways (BA) recibieron cada una siete aeronaves. La investigación y el desarrollo no lograron obtener ganancias y las dos aerolíneas compraron el avión con un gran descuento.

Concorde se retiró en 2003 debido a un descenso general en la industria de la aviación comercial tras el accidente del 2000, los atentados del 11 de septiembre de 2001 y la decisión de Airbus, sucesor de Aérospatiale y BAC, de suspender el mantenimiento.

«Estamos listos para seguir construyendo ese prototipo«, dijo Rob Weiss, vicepresidente ejecutivo y gerente general de los programas de desarrollo avanzado de Lockheed Martin.

Creemos que tenemos una ventaja tecnológica en la cantidad de inversión que hemos hecho en las herramientas y en el propio vehículo.

El vuelo supersónico está realmente prohibido cerca de tierra en los Estados Unidos debido al ruido que produce.

Se espera que QueSST, X-Plane, sea lo suficientemente sigiloso para volar por encima de ciudades y pueblos sin molestar a la gente de abajo.

Es el diseño Mach 1.4 (1074 millas por hora) a 55.000 pies sobre el suelo.

Esto realmente lo hará más lento que el Concorde, que podría alcanzar una velocidad máxima de Mach 2 (1.534mph).

Sin embargo, debería ser capaz de viajar más rápido al volar hacia y desde América si es lo suficientemente tranquilo para alcanzar velocidades supersónicas sin un aumento sonoro.

La reflexión sobre el acto de sonreír me lleva a recordar lo que aparecía antaño en los papeles rosa. Quien no recuerda a la Pantoja y su frase más inteligente que ha dicho en toda su vida: “Dientes, dientes, eso es lo que les joden”. Pero, ¿tenía razón la tonadillera? Pues según una investigación reciente parecería ser que sí, pero las consecuencias, parece ser que son las que hemos ido viendo a lo largo de su vida, los reporteros buscaban nuevas tácticas para “joderla” a ella…

En un escenario lúdico y ganador, sonreír puede disminuir tus probabilidades de éxito contra el mismo oponente en las siguientes partidas, de acuerdo con una nueva investigación presentada por el USC Instituto de Tecnologías Creativas y patrocinado por el EE.UU. Laboratorio de Investigación del Ejército.

Las personas que sonrieron durante la victoria aumentaron las probabilidades de que su oponente actuara agresivamente para robar el bote de dinero en lugar de compartirlo en el siguiente juego, según un documento presentado en mayo en la Conferencia Internacional de Agentes Autónomos y Sistemas Multiagent por RCC Hoegen, USC programa de investigación TIC Giota Stratou y Jonathan Gratch, director de la investigación humana virtual en USC ICT y profesor de ciencias de la computación en la USC Viterbi School of Engineering.

Por el contrario, los investigadores descubrieron que sonreír durante una pérdida tendía a ayudar a las probabilidades de éxito en el juego en el futuro.

El estudio está en línea con la investigación anterior publicada por el autor principal Gratch, cuyo principal interés radica tanto en la forma en que la gente expresa esto dice, una acción inconsciente que traiciona el engaño, y el uso de estos datos para crear inteligencia artificial y para discernir e incluso expresar estos mismos estados emocionales como persona.

«Creemos que la emoción es el enemigo de la razón, pero la verdad es que la emoción es nuestra forma de asignar valor a las cosas«, dijo Gratch. «Sin ella, nos enfrentaríamos a opciones ilimitadas«.

Gratch y otros investigadores de las TIC esperan imbuir a los seres humanos virtuales e incluso a los robots con una evaluación basada en el valor utilizando el reconocimiento y la reacción de los patrones emocionales para formar lo que podría llamarse intuición o toma de decisiones a nivel íntimo.

Sonríe, sí, pero sin “los dientes, dientes” que la inteligencia artificial te pilla

Parte de esta investigación es la explicación del tipo de razonamiento basado en la emoción que podría llevar a alguien a actuar en contra de su interés personal racional para la satisfacción a corto plazo o de «retorno».

Para el estudio AAMAS, 370 participantes jugaron a una versión del programa de televisión británico Golden Balls, donde los participantes deciden «dividir» o «robar» una olla de dinero. Si ambos participantes eligen «dividir», hacen exactamente eso, dividir el bote. Si un jugador decide robar lo que podía dividir, éste obtiene todo. Si ambos eligen robar, tampoco se gana.

A cada participante se le pagó 30 dólares, y los participantes recibieron boletos adicionales por una lotería de 100 dólares generada por su número total de «robos» y «splits» exitosos.

Mientras los participantes jugaban el juego uno contra el otro mediante video Skype, las reacciones fueron grabadas y codificadas usando un software de seguimiento de emociones que capta los movimientos musculares en la cara incluyendo levantamiento de mejillas, labios y barbilla, hoyuelos y compresión y separación de labios.

En cuanto a las motivaciones de los jugadores, los investigadores plantean la hipótesis de que los ladrones exitosos y sonrientes se abren al futuro castigo por el perdedor, mientras que sonreír durante una pérdida tal, se ve como un gesto hacia la cooperación y un sentimiento de éxito mutuo.

Enseñar a las máquinas el poder de una sonrisa

En un estudio similar, Gratch co-escribió con Gale Lucas y sus colegas en el 2016, los participantes demostraron que a menudo interpretan mal la honestidad cuando negocian unos con otros porque las señales tranquilizadoras como el movimiento de la cabeza, el lenguaje positivo y hasta la honestidad de la señal sonriente, pero en realidad más frecuentemente representan acciones y comportamientos deshonestos.

Gratch ha trabajado estrechamente con la USC Marshall School of Business durante los últimos años para incorporar seres humanos virtuales que puedan entender estos tipos de matices en el estudio de la negociación. El Instituto de Tecnologías Creativas también trabaja con agencias como el Ejército de EE. UU. Para usar seres humanos virtuales en escenarios de negociación.

Desde las fichas de Arthur Samuel, que representan la IA de los años 50 y 60 hasta el juego de la destrucción de mutuo aseguramiento de la computadora de Joshua en la película WarGames de 1983, la inteligencia artificial ha sido descrita como especialmente adecuada para ayudar a las personas a resolver operaciones lineales y basadas ​​en estrategias.

Deep Blue de IBM, también famoso y con éxito luchó contra el maestro de ajedrez Garry Kasparov en la década de 1990, y el sistema informático Watson hizo lo mismo con sus oponentes humanos en Jeopardy! en 2011.

Solo en el último año, diferentes AIs han superado a los mejores jugadores tanto en el antiguo juego de Go como en el poker profesional, este último confiar en el bluff, cuenta y lecturas emocionales precisas del oponente.

Así que mejor es no enseñarle los dientes a un robot, no enseñarle la estrategia que te hace sonreír, no sea que se vuelva contra ti y te cante “Marinero de luces”.

Un nuevo trabajo que describe el proceso visual del cerebro, es decir aquello que el ojo ve y lo que el cerebro interpreta, podría mejorar los automóviles autónomos y apuntar a terapias para el deterioro sensorial, sugieren los investigadores.

Si piensas que los automóviles autónomos tardarán en llegar, no eres el único. Programar computadoras para reconocer objetos es muy difícil técnicamente, especialmente porque los científicos no entienden completamente cómo nuestros propios cerebros lo hacen.

Ahora, los investigadores del Instituto Salk han analizado cómo las neuronas en una parte crítica del cerebro, llamada V2, responden a las escenas naturales, proporcionando una mejor comprensión del procesamiento de la visión. El trabajo se describe en Nature Communications el 8 de junio de 2017.

«Comprender cómo el cerebro reconoce los objetos visuales es importante no solo por el bien de la visión, sino también porque proporciona una ventana sobre cómo el cerebro funciona en general», dice Tatyana Sharpee, profesor asociado en Salk’s Computational Neurobiology Laboratory y autora principal del estudio. «Gran parte de nuestro cerebro se compone de una unidad computacional repetida, llamada columna cortical, especialmente en el control de los insumos del cerebro con exquisita precisión, lo que permite analizar cuantitativamente cómo se transforman las señales en el cerebro«.

Aunque a menudo tomamos la capacidad de ver por sentado, esta habilidad deriva de conjuntos de transformaciones matemáticas complejas que aún no somos capaces de reproducir en una computadora, según Sharpee. De hecho, más de un tercio de nuestro cerebro se dedica exclusivamente a la tarea de analizar las escenas visuales.

Nuestra percepción visual empieza en el ojo con píxeles claros y oscuros. Estas señales se envían a la parte posterior del cerebro a un área llamada V1 donde se transforman para corresponder a los bordes en las escenas visuales. De alguna manera, como resultado de varias transformaciones posteriores de esta información, entonces podemos reconocer caras, coches y otros objetos y si se están moviendo. Qué tan precisamente este reconocimiento ocurre sigue siendo un misterio, en parte porque las neuronas que codifican los objetos responden de maneras complicadas.

Ahora, Sharpee y Ryan Rowekamp, ​​un asociado de investigación postdoctoral en el grupo de Sharpee, han desarrollado un método estadístico que toma estas respuestas complejas y las describe de manera interpretable, que podría ser utilizado para ayudar a decodificar la visión real de la visión simulada por ordenador. Para desarrollar su modelo, el equipo utilizó datos disponibles públicamente mostrando respuestas cerebrales de primates viendo películas de escenas naturales (como paisajes forestales) de la base de datos de Investigación Colaborativa en Neurociencia Computacional (CRCNS).

«Aplicamos nuestra nueva técnica estadística para determinar qué características de la película estaban causando que las neuronas V2 cambiaran sus respuestas», dice Rowekamp. «Curiosamente, descubrimos que las neuronas V2 estaban respondiendo a diferentes combinaciones.»

El equipo reveló que las neuronas V2 procesan la información visual según tres principios: en primer lugar, combinan bordes que tienen orientaciones similares, aumentando la robustez de la percepción a pequeños cambios en la posición de las curvas que forman los límites del objeto. En segundo lugar, si una neurona es activada por un borde de una orientación y posición en particular, entonces la orientación a 90 grados de la misma será supresora en el mismo lugar, una combinación denominada «supresión de orientación cruzada». Estas combinaciones de bordes de orientación cruzada se ensamblan de diversas maneras para permitirnos detectar diversas formas visuales. El equipo encontró que la orientación cruzada era esencial para la detección precisa de la forma. El tercer principio es que los patrones relevantes se repiten en el espacio de maneras que pueden ayudar a percibir las superficies texturizadas de los árboles o el agua y los límites entre ellos, como en las pinturas impresionistas.

Los investigadores incorporaron los tres principios organizativos en un modelo que denominaron el modelo convolucional cuadrático, que puede aplicarse a otros conjuntos de datos experimentales. El procesamiento visual es probable que sea similar a cómo el cerebro procesa olores, tacto o sonidos, dicen los investigadores, por lo que el trabajo podría elucidar el procesamiento de datos de estas áreas también.

«Modelos que había trabajado antes de esto no eran totalmente compatibles con los datos, o no eran claramente compatibles», dice Rowekamp. «Así que fue muy satisfactorio cuando la idea de combinar el reconocimiento de los bordes con la sensibilidad a la textura empezó a ser una herramienta para analizar y comprender los complejos datos visuales«.

Pero la aplicación más inmediata podría ser mejorar los algoritmos de reconocimiento de objetos para automóviles autónomos u otros dispositivos robóticos. «Parece que cada vez que añadimos elementos de computación que se encuentran en el cerebro a los algoritmos de visión computarizada, su rendimiento mejora», dice Sharpee.

Como Bill Gates lo ve, hay tres amenazas principales para nuestra especie: la guerra nuclear, el cambio climático y la próxima pandemia mundial.

Gates nos recordó que «el hecho de que una pandemia mortal mundial no haya ocurrido en la historia reciente, no debe ser confundido con la evidencia de que una pandemia mortal no ocurrirá en el futuro«.

Si queremos estar preparados para lo peor, dice Gates, «primero y lo más importante, tenemos que construir un arsenal de nuevas armas, vacunas, medicamentos y diagnósticos».

Algunos científicos están usando computadoras para hacer precisamente eso, para predecir y evitar la próxima pandemia.

Ir más allá del sistema inmunológico

A pesar de la disponibilidad de la vacuna contra la gripe, la Organización Mundial de la Salud informa que la gripe estacional sigue siendo responsable de millones de enfermedades graves y hasta de medio millón de muertes al año a nivel mundial. La eficacia parcial de la vacuna contra la gripe de cada año, junto con los largos tiempos de fabricación y la limitada disponibilidad global, sugieren que se necesitan nuevos métodos de lucha contra la gripe.

Y eso es sólo por la gripe estacional. La gripe pandémica, como la devastadora gripe española de 1918, podría volver a matar a decenas de millones de personas en un solo año, fruto de la pandemia.

Los anticuerpos, una parte natural del sistema inmunológico, son soldados de primera línea en la guerra contra los virus. El trabajo de un anticuerpo es reconocer y adherirse físicamente a un invasor extranjero como la gripe. Los anticuerpos humanos son bivalentes, lo que significa que tienen dos manos con las que pueden agarrar a su objetivo.

Bajo un microscopio, la gripe parece una bola diminuta con picos. Utiliza algunos de sus puntos superficiales para romperse en células humanas. Al asirse firmemente a esos picos usando una o ambas manos, los anticuerpos pueden prevenir que las partículas de la gripe infecten a las células humanas. Pero cada año la influenza que evoluciona rápidamente recoge mutaciones en sus proteínas de espiga, haciendo que nuestros anticuerpos ya no reconozcan el virus.

Los investigadores han buscado durante mucho tiempo una vacuna universal contra la pandemia de gripe, que no necesite ser readministrada cada año. Los esfuerzos para producir una suelen estar dirigidos a la fabricación de una vacuna basada en la gripe no infecciosa con la esperanza de que el sistema inmunológico se prepare para organizar un ataque adecuado a cualquier cepa real de gripe que venga a continuación. A pesar de algunos avances, los investigadores aún no han sido capaces de persuadir al sistema inmunológico para que se defienda contra todas las cepas de la influenza, y la amenaza de una pandemia mundial todavía se avecina.

Software para superar la gripe

El diseño computacional de proteínas ofrece otra forma. En lugar de confiar en el sistema inmunológico para generar una proteína de anticuerpos capaz de acabar con un virus como la gripe, el modelado por ordenador ahora puede ayudar a crear rápidamente las proteínas antivíricas personalizadas y programadas para arremeter un virus mortal.

A diferencia de una vacuna, esta clase de fármaco podría administrarse para tratar una infección existente o darse unos días antes de la exposición para prevenir una. Y debido a que estas proteínas de diseño funcionan independientemente del sistema inmunológico, su potencia no depende de tener un sistema inmune intacto, un rasgo útil, ya que aquellos con sistemas inmunológicos más débiles tienen un alto riesgo de infección viral.

Las proteínas antivirales generadas por ordenador funcionan de la misma manera que algunas proteínas naturales de nuestro sistema inmunológico. Al tener superficies que son químicamente complementarias a sus dianas, las proteínas antivirales pueden adherirse firmemente a un virus específico. Si una proteína se adhiere a un virus de la manera correcta, puede bloquear físicamente cómo se mueve el virus, en última instancia, prevenir la infección.

Mediante el diseño de una proteína antiviral en un ordenador, la construcción en el laboratorio y, a continuación, la administración en el cuerpo, efectivamente digitalizar parte del sistema inmunológico.

En 2016, se demostró que las proteínas generadas por ordenador son más eficaces que el oseltamivir (Tamiflu) para prevenir la muerte en ratones infectados por la influenza. Una dosis de proteína de diseño administrada intranasalmente fue más eficaz que 10 dosis de Tamiflu, un medicamento considerado como una «medicina esencial» por la OMS debido a su actividad antigripal. Es más, estas nuevas proteínas antigripales generadas por computadora protegen a los ratones contra diversas cepas de la gripe. Los esfuerzos para convertir estos resultados prometedores en medicamentos aprobados por la FDA están en marcha.

En un artículo publicado recientemente en Nature Biotechnology, los científicos del Institute for Protein Design de la Universidad de Washington fueron un paso más allá y demostraron una nueva forma de controlar la gripe: Utilizaron el modelado por ordenador para construir un tipo completamente nuevo de proteína antiviral con tres manos.

¿Por qué tres? Resulta que muchos virus mortales, como la gripe, Ebola y el VIH – construyen sus proteínas en la punta de tres partes simétricas.

Un solo medicamento antiviral con tres manos apropiadamente espaciadas debe ser capaz de agarrar simétricamente cada parte de una proteína de espiga, lo que conduce a una unión más estrecha y una mejor actividad antiviral en general. Esta hazaña geométrica está más allá de lo que el sistema inmunológico humano puede hacer naturalmente.

La estrategia de diseño funcionó. La mejor proteína de tres manos, llamada Tri-HSB.1C, fue capaz de unirse firmemente a diversas cepas de la gripe. Cuando se les administró a los ratones, también proporcionó una protección completa contra una infección letal de la gripe con una pérdida de peso mínima asociada, un rasgo comúnmente utilizado para diagnosticar la gravedad de la gripe en ratones. Los investigadores ahora están aplicando las mismas herramientas a la proteína del Ebola.

Pasarán muchos años antes de que esta nueva tecnología esté aprobada para su uso en seres humanos, para cualquier tipo de virus. Pero es posible que no tengamos que esperar mucho para ver algunos beneficios que salvan vidas.

Surprise! Ohhh! Después de años trabajando en secreto en un proyecto para construir automóviles autónomos, el presidente ejecutivo de Apple Inc., Tim Cook, ha explicado por primera vez los planes de la compañía en el mercado automotriz.

«Nos estamos centrando en sistemas autónomos«, dijo Cook en una entrevista el 5 de junio en Bloomberg Television, que llegó a sus comentarios más detallados sobre los planes automotrices de Apple. Es una tecnología clave que consideramos muy importante. Él comparó el esfuerzo con «la madre de todos los proyectos de inteligencia artificial», diciendo que es «probablemente uno de los proyectos de inteligencia artificial más difíciles de trabajar«.

Según la McKinsey & Co. Alphabet Inc., la unidad de Waymo ha firmado un aucerdo con Fiat Chrysler Automobiles NV y Lyft Inc. para desarrollar esta tecnología. Y los fabricantes de automóviles de BMW AG a General Motors Co. han abierto oficinas en Silicon Valley dedicando varios cientos de millones de dólares para la puesta en marcha de este proyecto.

Apple había estado buscando inicialmente construir su propio coche, antes de este calibrar este proyecto el año pasado para dar prioridad a la tecnología subyacente para la conducción autónoma. El fabricante de iPhone había contratado a más de 1.000 ingenieros para trabajar en el proyecto Titan, ya que el equipo de automóviles es conocido internamente con este nombre, nada que ver con las pinturas Titanlux.

Los costes globales y la cantidad de empleados llevaron al veterano de Apple, Bob Mansfield, a llevar las riendas del equipo en 2016. Cook nunca antes había hablado abiertamente sobre los planes de Apple, aunque en los últimos meses las presentaciones públicas proporcionaron instantáneas de los esfuerzos de Apple en este campo.

El fabricante de iPhone obtuvo un permiso del Departamento de Vehículos Motorizados de California en abril para probar tres coches deportivos automotrices, cuyas fotos surgieron varias semanas más tarde. Una media docena de vehículos habían estado probando subrepticiamente la tecnología autónoma en las vías públicas en y por el área de la Bahía de San Francisco durante al menos un año, según alguien familiarizado con el Proyecto Titán. El portavoz de Apple, Tom Neumayr, se negó a comentar sobre cuánto tiempo la empresa ha estado realizando pruebas de carretera.

En diciembre, Steve Kenner, director de integridad del producto de Apple, escribió una carta a la Administración Nacional de Seguridad de Tráfico de Carreteras revelando el interés de la compañía en tecnología automotriz. Se hizo públcio cuando fue noticiado en un sitio web federal. En la carta, Kenner escribió sobre la emoción de la compañía en torno al potencial de sistemas automatizados en campos como el transporte.

«Hay un gran rumor que se avecina hacia allí», dijo Cook, citando la tecnología de conducción autónoma, vehículos eléctricos y de paseo. «Tienes una especie de tres vectores de cambio que ocurren generalmente en el mismo marco de tiempo«.

Cook también mostró optimismo sobre las perspectivas de los vehículos eléctricos, un mercado que la semana pasada ayudó a Tesla Inc. a convertirse en el cuarto mayor fabricante de automóviles del mundo por capitalización de mercado, a pesar de que se ubica muy por encima de las 10 primeras ventas unitarias.

«Es una experiencia maravillosa no tener que parar en la estación de servicio o en la gasolinera«, dijo Cook. Y tiene toda la razón.

Apple invirtió 1.000 millones de dólares el año pasado en Didi Chuxing, el mayor servicio chino de servicios de viajes. Mientras que Apple había trabajado inicialmente en la construcción de su propio coche, Mansfield desechó esos planes en favor de la construcción de un sistema de conducción autónomo. La empresa tomará una decisión sobre si proceder con este proyecto a finales de este año.

«Apple ha sido durante mucho tiempo el comodín en el juego de vehículos autónomos», dijo Michelle Krebs, analista ejecutiva de Autotrader. «Ahora sabemos que Apple está en todos, y, a juzgar por su historial en otras áreas, será una fuerza. La estrategia de Apple para comercializar vehículos autónomos está por verse: ¿se asociarán y venderán la tecnología, o realmente desarrollarán sus propios vehículos?«

Los sistemas informáticos de «aprendizaje profundo», basados ​​en redes neuronales artificiales que imitan la forma en que el cerebro aprende por un acervo de datos, se han convertido en un tema candente en informática, debido a la aparición del procesador nanofotónico. Además de permitir tecnologías tales como software de reconocimiento de voz y facial, estos sistemas podrían recorrer vastas cantidades de datos médicos para encontrar patrones que pudieran ser útiles diagnósticamente o escanear fórmulas químicas para posibles nuevos fármacos.

Pero los cálculos que estos sistemas deben llevar a cabo son muy complejos y exigentes, incluso para las computadoras más potentes.

Ahora, un equipo de investigadores en el MIT y en otros lugares ha desarrollado un nuevo enfoque para tales cálculos, utilizando la luz en lugar de la electricidad, que dicen podría mejorar enormemente la velocidad y la eficiencia de ciertos cálculos de aprendizaje profundo. Sus resultados aparecen hoy en la revista Nature Photonics en un artículo del postdoctorado MIT Yichen Shen, el estudiante de posgrado Nicholas Harris, los profesores Marin Soljačić y Dirk Englund, y otros ocho.

Soljačić dice que muchos investigadores a lo largo de los años han hecho afirmaciones acerca de las computadoras basadas en la óptica, pero que «la gente dramáticamente prometió más de lo que podía la ciencia en aquel momento, y se salió por la tangente. Si bien muchos usos propuestos de tales computadoras fotónicas no resultó práctico, el sistema de red neural desarrollado por este equipo «puede ser adecaudo para el aprendizaje profundo de algunas aplicaciones«, dice.

Las arquitecturas de los ordenadores tradicionales no son muy eficientes cuando se trata de los tipos de cálculos necesarios para ciertas tareas importantes de redes neuronales. Tales tareas típicamente implican multiplicaciones repetidas de matrices, que pueden ser muy computacionalmente intensivas en chips convencionales de CPU o GPU.

Después de años de investigación, el equipo del MIT ha encontrado una forma de realizar estas operaciones ópticamente en su lugar. «Este chip, una vez que lo sintonice, puede llevar a cabo la multiplicación matricial con, en principio, con cero energía, casi al instante«, dice Soljačić. «Hemos demostrado los bloques de construcción cruciales, pero aún no el sistema completo».

Por analogía, Soljačić señala que incluso unas lentes de gafas ordinarias llevan a cabo un cálculo complejo (la llamada transformada de Fourier) en ondas luminosas que pasan a través de ella. La forma en que los haces de luz realizan cálculos en los nuevos chips fotónicos es mucho más general, pero tiene un principio subyacente similar. El nuevo enfoque utiliza múltiples haces de luz dirigidos de tal manera que sus ondas interactúan entre sí, produciendo patrones de interferencia que transmiten el resultado de la operación prevista. El dispositivo resultante es algo que los investigadores llaman un procesador nanofotónico programable.

El resultado, dice Shen, es que los chips ópticos que usan esta arquitectura podrían, en principio, realizar cálculos realizados en algoritmos de inteligencia artificial típicos mucho más rápido y usar menos de una milésima de energía por operación como chips electrónicos convencionales. «La ventaja natural de usar la luz para hacer la multiplicación matricial juega un papel importante en la aceleración y el ahorro de energía, debido a que las multiplicaciones de matrices densas son la parte que más energía consume y consume mucho tiempo en los algoritmos Inteligencia Artificial«, dice.

El nuevo procesador nanofotónico programable, que fue desarrollado en el laboratorio de Englund por Harris y colaboradores, utiliza una matriz de guías de onda que están interconectadas de una manera que se puede modificar según sea necesario, la programación de ese conjunto de haces para un cálculo específico. «Se puede programar en cualquier operación matricial«, dice Harris. El procesador guía la luz a través de una serie de guías de ondas fotónicas acopladas. La propuesta completa del equipo requiere capas intercaladas de dispositivos que apliquen una operación llamada función de activación no lineal, en analogía con la operación de neuronas en el cerebro.

Para demostrar el concepto, el equipo estableció el procesador nanofotónico programable para implementar una red neuronal que reconoce cuatro sonidos básicos de vocales. Incluso con este sistema rudimentario, fueron capaces de alcanzar un nivel de precisión del 77 por ciento, en comparación con aproximadamente el 90 por ciento para los sistemas convencionales. No hay «obstáculos sustanciales» a la ampliación del sistema para una mayor precisión, dice Soljačić.

Englund agrega que el procesador nanofotónico programable podría tener otras aplicaciones también, incluyendo procesamiento de la señal para la transmisión de datos. «El procesamiento de señales analógicas de alta velocidad es algo que esto podría manejar» más rápido que otros enfoques que primero convierten la señal en forma digital, ya que la luz es un medio inherentemente analógico. «Este enfoque podría realizar el procesamiento directamente en el dominio analógico», dice.

El equipo dice que todavía necesitará mucho más esfuerzo y tiempo para hacer este sistema útil; sin embargo, una vez que el sistema se amplíe y funcione plenamente, podrá encontrar muchos casos prácticos para el usuario, como centros de datos o sistemas de seguridad. El sistema también podría ser una bendición para los automóviles de conducción autónoma o los drones, dice Harris, o «siempre que usted necesite hacer un montón de operaciones, pero no dispone de mucha potencia o tiempo».