Yubei Chen es cofundador de Aizip Inc., una empresa dedicada a desarrollar modelos de IA ultracompactos y de alto rendimiento para dispositivos de borde. Además, ejerce como profesor asistente en el departamento de Ingeniería Eléctrica y Computación de la Universidad de California, Davis.
Su investigación combina la neurociencia computacional y el aprendizaje profundo auto supervisado para comprender mejor los principios que rigen la representación de datos en cerebros y máquinas. Este enfoque dual le ha permitido impulsar innovaciones que conectan la teoría con aplicaciones reales.
Formación científica y experiencia con Yann LeCun
Durante su doctorado en UC Berkeley, Chen trabajó en el Redwood Center for Theoretical Neuroscience y en el Berkeley AI Research, bajo la tutela del profesor Bruno Olshausen. Allí desarrolló técnicas de visualización para abrir la caja negra de los sistemas de IA y crear modelos interpretables.
En su etapa postdoctoral, colaboró con Yann LeCun en el Centro de Ciencia de Datos de NYU y en Meta FAIR. Allí profundizó en el escalado de sistemas de IA de última generación y en el concepto de modelos que pueden generar y simular entornos, conocidos como «world models».
Influencia de la neurociencia en el desarrollo de IA
Chen aplica métodos de neurociencia, como la medición de respuestas neuronales, al estudio de representaciones internas de modelos de IA. Gracias a estas técnicas, es posible localizar neuronas de concepto que se activan ante ideas específicas dentro de redes profundas.
Este paralelismo con electroencefalografía o fMRI ha permitido mejorar la explicabilidad y reducir sesgos, haciendo los algoritmos más fiables y eficientes para entornos reales.
Nacimiento de Aizip y enfoque en modelos ultracompactos
Frente al crecimiento constante de modelos gigantes, Chen vio la oportunidad de crear la IA más pequeña y eficiente del mundo, optimizada para entornos con recursos limitados. Así nació Aizip, combinando rigor científico con despliegue en el mundo real.
Su plataforma Aizipline, la «AI Nanofactory», automatiza desde el diseño de la arquitectura hasta la depuración, reduciendo el tiempo de desarrollo hasta mil veces y democratizando el acceso a soluciones de IA.
IA en el Edge: retos y oportunidades
Desplegar IA en dispositivos embebidos exige optimizar consumo energético, latencia y precisión. Los principales desafíos incluyen la falta de una teoría completa que guíe las optimizaciones y la necesidad de nuevas arquitecturas, compresión y cuantización.
Al mismo tiempo, el Edge computing permite interacciones más naturales mediante interfaces de voz, gestos y sensores, liberando a los usuarios de teclados y pantallas y acercando la IA al entorno físico.
Casos de éxito: de la acuicultura a la automoción
En colaboración con SoftBank, Aizip desarrolló un sistema de conteo de peces basado en IA para acuicultura, ganador del CES Innovation Award. El modelo corre en smartphones y alcanza un 95% de precisión incluso en condiciones adversas de red y energía.
En el sector automotriz, Aizip trabaja en asistentes de voz locales capaces de comprender lenguaje natural sin depender de la nube. Los co-pilotos conversacionales Gizmo permiten controlar funciones del vehículo y ofrecer recomendaciones personalizadas con plena privacidad.
Perspectivas y futuro de la IA en dispositivos localizados
En los próximos cinco años, la IA en el Edge irá más allá de procesar datos: será autónoma, adaptativa y autooptimizable gracias a la automatización de la AI Nanofactory. Esto abrirá aplicaciones en hogares inteligentes, salud, agricultura y más.
La combinación de modelos ligeros en el dispositivo y sistemas robustos en la nube configurará un enfoque híbrido, donde cada tecnología aporta sus fortalezas para ofrecer experiencias más seguras, rápidas y eficientes.
