Literal Labs asegura £4.6 millones para desarrollar modelos de IA más rápidos y eficientes en energía

La startup de inteligencia artificial Literal Labs ha logrado recaudar £4.6 millones en una ronda de financiación Pre-Seed. La compañía está desarrollando modelos de IA basados en lógica que son significativamente más rápidos, eficientes en energía y explicables que las redes neuronales actuales. Este enfoque se inspira en el trabajo de Mikhail Tsetlin, un matemático contemporáneo de John Macarthy, pionero en el desarrollo de redes neuronales. Al igual que las redes neuronales, la máquina Tsetlin puede realizar entrenamientos complejos de machine learning, pero a diferencia de las redes neuronales, está basada en lógica proposicional, lo que la hace más eficiente en términos de computación y uso de energía, además de acelerar el proceso de inferencia. Según los últimos benchmarks de MLPerf en detección de anomalías, Literal Labs logra una inferencia 54 veces más rápida que las 'técnicas clásicas' para aplicaciones de machine learning, con un consumo de energía 52 veces menor que las redes neuronales equivalentes. También consiguió una performance 250 veces más rápida que XGBoost para aplicaciones de machine learning.