Una inteligencia artificial supera a humanos en el “piedra, papel o tijera” mediante un chip analógico ultrarrápido

Un equipo de la Universidad de Hokkaido y TDK Corporation en Japón desarrolló una inteligencia artificial que supera a jugadores humanos en el clásico juego de “piedra, papel o tijera”. El avance destaca por el uso de un chip analógico ultrarrápido capaz de aprender y anticipar los gestos del oponente en tiempo real, manteniendo un consumo energético mínimo.

De acuerdo con la información difundida por la revista científica IEEE Spectrum, este logro señala una nueva etapa en el desarrollo de IA de bajo consumo y velocidad sobresaliente.

Cómo la inteligencia artificial vence a los humanos

El dispositivo creado por el equipo japonés emplea un sensor de aceleración fijado al pulgar del jugador, capaz de identificar y registrar los movimientos previos a cada jugada. Tras un breve periodo de aprendizaje de los gestos específicos de la persona, el chip reconoce si se ejecuta piedra, papel o tijeras y predice la próxima elección.

Así, la inteligencia artificial calcula la jugada ganadora en el escaso intervalo antes de que el humano revele su selección. Esta inmediatez proporciona una gran ventaja competitiva frente al jugador. Una vez que el sistema reconoce los patrones gestuales, puede anticiparse y vencer en tiempo real, eliminando el factor sorpresa en el juego.

“Reservoir computing”: la técnica que marca la diferencia

La base de este avance es el método denominado “reservoir computing”, una técnica de aprendizaje automático que aprovecha sistemas dinámicos complejos para identificar patrones en datos secuenciales.

A diferencia de las redes neuronales convencionales, que procesan la información en capas secuenciales y modifican una enorme cantidad de conexiones durante el entrenamiento, el “reservoir computing” utiliza una estructura interconectada —sin capas— que introduce múltiples lazos o bucles, aportando al sistema una memoria cuya influencia perdura en el tiempo.

Lo más relevante es que únicamente la capa de salida se entrena, dejando el resto de la estructura invariable. Esto reduce drásticamente la demanda de recursos y acelera tanto el modelado como la predicción.

Según la profesora Sanjukta Krishnagopal de la Universidad de California en Santa Bárbara, la fortaleza de esta técnica resulta especialmente notable al predecir la evolución de procesos caóticos, como el clima, donde anticipar comportamientos resulta fundamental.

Diseño e innovación en el chip analógico ultrarrápido

El chip implementa el “reservoir computing” directamente en hardware analógico y es compatible con la tecnología CMOS, esencial en la industria de semiconductores actual. Cada neurona artificial está formada por un resistor no lineal, un elemento de memoria basado en condensadores MOS y un amplificador de salida. La versión desarrollada consta de cuatro núcleos con 121 nodos cada uno, organizados en un gran bucle interconectado.

Esta arquitectura simplificada demostró ser altamente eficaz para modelar una gran variedad de dinámicas complejas. Como aspecto más destacado es el consumo de energía: el chip utiliza apenas 20 microwatts por núcleo, sumando un total de 80 microwatts, significativamente menos que otras alternativas físicas compatibles con CMOS. Esto permite operar el dispositivo durante períodos prolongados en equipos portátiles, sin requerir grandes fuentes de energía ni sistemas de enfriamiento.

Nuevos horizontes con predicción y “edge computing”

Más allá del juego, el chip de “reservoir computing” es capaz de predecir el siguiente elemento en cualquier secuencia temporal cuando los resultados dependen de información previa.

Tomoyuki Sasaki, jefe de sección y gerente sénior en TDK, explicó en IEEE Spectrum que “el dispositivo responde con rapidez y precisión en contextos donde los datos del pasado condicionan los resultados futuros, como ocurre en juegos, modelos caóticos o simulaciones meteorológicas”. En pruebas recientes, el chip pudo anticipar comportamientos en el clásico problema matemático del mapa logístico y analizar la evolución de condiciones climáticas.

El potencial de esta innovación se extiende a dispositivos wearable y al entorno del edge computing (computación periférica), donde el aprendizaje y la predicción en tiempo real son cruciales y el consumo energético debe mantenerse en niveles mínimos. Los resultados abren la puerta a una amplia gama de aplicaciones en dispositivos que requieren agilidad y autonomía con recursos energéticos limitados.

Perspectivas especializadas y comparación tecnológica

Expertos citados por IEEE Spectrum destacaron que la innovación principal reside en la eficiencia energética y operativa. Sasaki puntualizó que, aunque la precisión predictiva del chip se mantiene al nivel de tecnologías previas, la verdadera innovación radica en la rapidez de procesamiento y el bajo consumo de energía.

Por su parte, la profesora Krishnagopal subrayó que la naturaleza caótica inherente al reservorio proporciona memoria y versatilidad inéditas, facilitando tareas de predicción rápida y eficiente.

El desarrollo de esta IA en hardware analógico japonés apunta a un cambio de paradigma en aplicaciones más eficientes para dispositivos futuros. El mayor valor del chip reside en ofrecer predicciones fiables y veloces frente a las soluciones digitales convencionales.