En opinión de uno de los principales expertos en la materia, Mike Davies, director de un laboratorio específicamente dedicado a esta cuestión en la multinacional Intel, el problema está en el hardware.
Sin las máquinas adecuadas ni software maduro, los beneficios que puede traer la computación neuromórfica serán más teóricos que prácticos, en el ahorro de energía y en la latencia, esto es, en el tiempo que transcurre entre un estímulo y la respuesta que requiere.
Las redes neuronales del aprendizaje profundo (deep learning) son entendidas en la actualidad como el paso previo al asentamiento de la innovación en la que se depositan grandes expectativas.
La segunda versión de este chip neuromórfico ha inaugurado “un régimen de algoritmos” inédito en la historia, como subraya Davies.
Cuando surgen determinadas dificultades, la naturaleza está más limitada que la tecnología, interpreta Mike Davies.
Fecha de la noticia