Investigadores de la Universidad de Waterloo están desarrollando sistemas inspirados en el cerebro humano para mejorar la eficiencia energética y el rendimiento de la tecnología de vehículos autónomos (AV, por sus siglas en inglés). Este enfoque busca aprovechar las fortalezas naturales del cerebro para optimizar la capacidad de respuesta de los vehículos, reducir el consumo de energía y aumentar la seguridad en las carreteras.
El equipo, liderado por el profesor Chris Eliasmith, experto en Ingeniería de Diseño de Sistemas y Filosofía, se centra en resolver uno de los principales desafíos de los vehículos autónomos: navegar, tomar decisiones y reaccionar en tiempo real a entornos cambiantes sin agotar significativamente la batería. Según Eliasmith, el cerebro humano es el sistema autónomo más eficiente que conocemos, operando con solo 20 vatios de energía. En comparación, los sistemas de inteligencia artificial actuales, como los modelos de lenguaje, consumen al menos 1,000 veces más energía, lo que los hace poco prácticos para aplicaciones móviles extensivas.
En colaboración con Mercedes Benz, el Grupo de Investigación en Neurociencia Computacional de Waterloo está utilizando computación neuromórfica, un diseño que imita el funcionamiento del cerebro humano, para desarrollar tecnologías de vehículos autónomos más eficientes y seguras. Este enfoque incluye mejorar la capacidad de los vehículos para interpretar señales humanas, como el lenguaje corporal o el contacto visual, y predecir comportamientos, como si un peatón cruzará la calle. Estas mejoras en percepción, predicción y control buscan aumentar la seguridad vial.
Los avances del equipo ya han demostrado una reducción de entre 10 y 100 veces en el consumo de energía para tareas de control y percepción, sin pérdida de precisión y, en muchos casos, con mejoras en el rendimiento. Estas innovaciones no solo prometen hacer que los sistemas de conducción autónoma sean más robustos y seguros, sino también más sostenibles al reducir significativamente el consumo energético.
Además de su aplicación en vehículos autónomos, la investigación de Eliasmith en computación neuromórfica tiene implicaciones en otros campos, como dispositivos domésticos y wearables. Su empresa derivada, Applied Brain Research, está desarrollando el primer chip de inteligencia artificial capaz de reconocer vocabulario completo en tareas de reconocimiento de voz con un consumo de energía extremadamente bajo. Este tipo de tecnología podría permitir que dispositivos cotidianos, como electrodomésticos o cascos de realidad virtual, respondan a comandos de voz naturales con una fracción de la energía que requieren los sistemas actuales.
La investigación interdisciplinaria de Waterloo refleja un compromiso con la creación de tecnologías que no solo sean innovadoras, sino también sostenibles y aplicables a una amplia gama de desafíos tecnológicos y sociales.
Fuente: https://selfdrivenews.com/human-brain-model-advances-self-driving-tech/
