Quantum computing
Quantum machine learning

Aprendizaje automático cuántico (quantum machine learning), computación cuántica neuromórfica e interfaces cerebro-ordenador: grandes innovaciones en los campos de la neurotecnologÃa y la inteligencia artificial
¿Qué se entiende por aprendizaje automático cuántico -quantum machine learning-? ¿En qué estado de desarrollo se encuentra y cómo se prevé que evolucione? ¿Qué tipo de aplicaciones son las más prometedoras? ¿Qué es la computación cuántica neuromórfica? ¿Se podrÃa utilizar para innovar en neurotecnologÃa? ¿Existirán futuras interfaces cerebro-ordenador cuántico (BCIs cuánticas)?
En nuestro último think tank Future Trends Forum Quantum e inteligencia artificial: la revolución silenciosa, reunimos a más de cuarenta expertos con perfiles cientÃficos, investigadores, emprendedores y directivos, que analizaron el estado del arte de la inteligencia artificial y de las tecnologÃas cuánticas y apuntaron los retos y oportunidades ante la intersección de estas dos disciplinas.
Entre los expertos participantes, se encontraban Lucas Lamata, profesor titular de FÃsica Atómica, Molecular y Nuclear en la Universidad de Sevilla y experto en tecnologÃas cuánticas y Javier MÃnguez, profesor de Informática y de NeurotecnologÃa en las Escuelas de Neurociencia Biomédica e IngenierÃa de la Universidad de Zaragoza, y cofundador y Director CientÃfico de Bitbrain.
En las ponencias de Lucas Lamata y de Javier MÃnguez, encontramos las respuestas a las preguntas anteriores. Aquà puedes ver sus intervenciones:
A continuación, se exponen algunas de las ideas y reflexiones más importantes que comparten estos dos expertos en sus ponencias:
Lucas Lamata compartió sus conocimientos sobre las interacciones entre la inteligencia artificial (IA) y el cerebro humano. Los principales temas que aborda son: aprendizaje automático cuántico, computación cuántica neuromórfica e interfaces cerebro-ordenador cuántico.
Aprendizaje automático cuántico
Existen dos enfoques en lo que se denomina aprendizaje automático cuántico: (i) utilizar dispositivos cuánticos para realizar cálculos de aprendizaje automático más eficientes y (ii) emplear el aprendizaje automático para diseñar, simular y controlar mejor los sistemas cuánticos. Algunos expertos consideran que quantum machine learning es sólo el primero de los enfoques. Dentro de este grupo, el aprendizaje cuántico por refuerzo pretende desarrollar agentes cuánticos «inteligentes» que puedan interactuar con el mundo exterior y adaptarse a él, con la estrategia de alcanzar algún objetivo final. Otro paradigma dentro del aprendizaje automático cuántico es el de los autocodificadores cuánticos, que pueden permitir emplear menos recursos en un dispositivo cuántico mediante un proceso de entrenamiento. Además, el campo de la biomimética cuántica pretende establecer analogÃas entre los sistemas biológicos y cuánticos, para buscar conexiones antes inadvertidas que puedan permitir aplicaciones útiles. Aunque se espera que los algoritmos cuánticos ofrezcan ganancias significativas en eficiencia, existen desafÃos para su implementación, como cargar grandes volúmenes de datos en un ordenador cuántico. A pesar de estos retos, Lamata destaca la importancia de seguir investigando y desarrollando algoritmos cuánticos para abordar problemas útiles en la industria y la sociedad. Una de las lÃneas más prometedoras de investigación es utilizar recursos reducidos: en experimentos realizados sobre aprendizaje cuántico por refuerzo, se ha descubierto que el aprendizaje automático cuántico mejora con respecto a otros protocolos cuánticos cuando se limita la cantidad de recursos.
Computación cuántica neuromórfica
La computación cuántica neuromórfica es un área emergente que combina las propiedades cuánticas (coherencia, superposición, entrelazamiento) con el comportamiento no lineal a nivel de función de onda -la no linealidad en el aprendizaje automático es muy importante para aprender cosas complicadas-. Lamata destaca una propuesta realizada desde la Universidad del PaÃs Vasco y un experimento realizado en el laboratorio de Philip Walther en Viena, que demostró la posibilidad de ahorrar recursos al incluir un «almacén cuántico enriquecido» en una red neuronal. Esta lÃnea de investigación podrÃa conducir a tecnologÃas muy innovadoras en el futuro.
Interfaces cerebro-ordenador cuántico: conectando el cerebro con la IA cuántica
Ya se está trabajando en el desarrollo de interfaces cerebro-ordenador, que permiten conectar el cerebro humano con un ordenador cuántico a través de un ordenador clásico. Se han realizado experimentos de prueba de concepto utilizando un simulador de IBM, demostrando que es posible controlar un qubit con el pensamiento humano. Aunque aún no se ha implementado en ordenadores cuánticos reales, esta investigación abre la puerta a futuras aplicaciones de inteligencia artificial y neurociencia muy prometedoras.
Por su parte, Javier MÃnguez comparte sus conocimientos y experiencias en la creación de interfaces cerebro-ordenador. Este experto destaca la importancia de la computación cuántica y de la inteligencia artificial en el futuro de la neurotecnologÃa.
Interfaces cerebro-ordenador
La idea detrás de las interfaces cerebro-ordenador es construir una tecnologÃa que permita la interacción entre el cerebro y una máquina para realizar tareas útiles para el ser humano. Estas interfaces pueden utilizarse, entre otras cosas, en sistemas robóticos para rehabilitación, para el desarrollo de neuro-prótesis, para neuroestimulación o para mejora cognitiva. MÃnguez menciona varios proyectos en los que ha trabajado, incluyendo un prototipo pionero de silla de ruedas controlada solo por el pensamiento, diseñada para ayudar a personas con trastornos neuromusculares graves. También expone un proyecto europeo que permite a una persona con lesión medular realizar actividades de la vida diaria, como coger una cuchara y llevársela a la boca, mediante la estimulación eléctrica funcional de los músculos.
La importancia de la inteligencia artificial y la computación cuántica en neurotecnologÃa
Los grandes avances en el campo de las interfaces cerebro-ordenador se logran al introducir la inteligencia artificial en el proceso. La IA es crucial para adaptar y personalizar los modelos de dispositivos debido a la variabilidad inter e intra sujetos de la actividad cerebral humana. La computación cuántica también puede desempeñar un papel importante en el futuro, especialmente en términos de comunicación y procesamiento de datos. Bitbrain ha estado trabajando en la creación de dispositivos para llevar la neurotecnologÃa a la sociedad, incluyendo prendas textiles que pueden medir la actividad cerebral de grado médico. Estas innovaciones permitirán recopilar conjuntos masivos de datos cerebrales para crear nuevos algoritmos de inteligencia artificial y, en un futuro, de inteligencia artificial cuántica, que expandirán las aplicaciones de la neurotecnologÃa.
Otro ámbito de futuro en las interfaces cerebro-ordenador es utilizar comunicaciones cuánticas junto con computación cuántica. Cuando se produce neuroestimulación de bucle cerrado, existe un lÃmite de 50 milisegundos para que se pueda producir neuroplasticidad. Asà que se necesitan dispositivos ultra rápidos y comunicaciones ultra rápidas, que podrÃan venir de los avances de las comunicaciones cuánticas.
El avance en las interfaces cerebro-ordenador y la incorporación de la inteligencia artificial y las tecnologÃas cuánticas también plantean desafÃos éticos y de seguridad cibernética. Es crucial abordar estos aspectos al desarrollar y aplicar nuevas neurotecnologÃas.
No te pierdas la ponencia de Javier MÃnguez en el Future Trends Forum:
Si deseas ver cómo es y será la intersección de las tecnologÃas cuánticas con la IA, puedes leer el informe del Future Trends Forum Quantum e inteligencia artificial: la revolución silenciosa.
Si quieres profundizar en el estado del arte y las oportunidades que ofrece la inteligencia artificial, te invitamos a visitar nuestra web.