En el nuevo estudio, los científicos mostraron que la eficiencia del aprendizaje está limitada por la producción de entropía total (que determina el rendimiento de máquinas térmicas) de una red neuronal. Demostraron que, cuanto más lenta es una neurona, menos calor y entropía produce, aumentando su eficiencia. A la luz de este hallazgo, los científicos introdujeron una nueva medida de eficiencia de aprendizaje basada en las necesidades energéticas y la termodinámica.
Como los resultados son muy generales, pueden aplicarse a cualquier algoritmo de aprendizaje que no utilice retroalimentación, como los que se utilizan en las redes neuronales artificiales.
En el futuro, los investigadores planean analizar la eficiencia de los algoritmos de aprendizaje que emplean retroalimentación, así como investigar la posibilidad de probar experimentalmente el nuevo modelo
14
Por Andrea Estrada