Investigadores del MIT dicen que el nuevo diseño de chips nos acerca a computadoras que funcionan como nuestro cerebro
Los nuevos diseños de procesadores "neuromórficos" podrían significar una IA más rápida y barata
Los avances en el aprendizaje automático se han movido al galope en los últimos años, pero los procesadores de computadora que ejecutan estos programas apenas han cambiado. Para remediar esto, las compañías han estado afinando la arquitectura de chips existente para satisfacer las demandas de AI , pero a la vanguardia de la investigación, un enfoque completamente nuevo está tomando forma: rehaciendo procesadores para que funcionen más como nuestro cerebro.Esto se llama "computación neuromórfica" y los científicos del MIT dijeron esta semana que han logrado un progreso significativo en la puesta en marcha de esta nueva generación de chips. Su investigación, publicada en la revista Nature Materials, finalmente podría conducir a procesadores que ejecutan tareas de aprendizaje automático con menores demandas de energía, hasta 1.000 veces menos. Esto nos permitiría ofrecer más dispositivos con habilidades de inteligencia artificial como el reconocimiento de voz y de imágenes.
Para entender lo que han hecho estos investigadores, necesitas saber un poco acerca de los chips neuromórficos. La diferencia clave entre estos procesadores y los utilizados en su computadora es que procesan los datos de una manera analógica, en lugar de digital. Esto significa que en lugar de enviar información en una serie de ráfagas eléctricas de encendido / apagado, varían la intensidad de estas señales, al igual que las sinapsis de nuestro cerebro.
Esto significa que se puede empaquetar más información en cada sacudida, reduciendo drásticamente la cantidad de energía necesaria. Es como la diferencia entre el código Morse y el habla. El primero codifica los datos utilizando solo dos salidas, puntos y guiones, lo que hace que los significados sean fáciles de entender, pero largos de comunicar. El habla, en comparación, puede ser difícil de interpretar (piense en líneas telefónicas confusas y cafés ruidosos) pero cada enunciado individual contiene mucha más información.
"Este es el dispositivo más uniforme que podríamos lograr, que es la clave para demostrar redes neuronales artificiales"
Los intentos de encontrar un medio adecuado para que viajen estas señales eléctricas variables no han tenido éxito anteriormente, porque la corriente termina por dispersarse por todo el lugar. Para solucionar esto, los investigadores dirigidos por Jeehwan Kim del MIT utilizaron formas cristalinas de silicio y germanio que se asemejan a las redes a nivel microscópico. Juntos, estos crean caminos claros para las señales eléctricas, lo que lleva a una varianza mucho menor en la intensidad de las señales.
"Este es el dispositivo más uniforme que podríamos lograr, que es la clave para demostrar redes neuronales artificiales", dijo Kim a MIT News .
Para probar esta premisa, Kim y su equipo crearon una simulación de su nuevo diseño de chips, con el mismo grado de variación en las señales. Al usarlo, pudieron entrenar una red neuronal que podría reconocer la escritura a mano (una tarea de capacitación estándar para nuevas formas de IA) con un 95 por ciento de precisión. Eso es menos que la línea base del 97 por ciento que usa algoritmos y chips existentes, pero es prometedor para la nueva tecnología.
Hay un largo camino por recorrer antes de saber si los chips neuromórficos son adecuados para la producción en masa y el uso en el mundo real. Pero cuando tratas de rediseñar cómo las computadoras piensan desde cero, tienes que trabajar mucho. Asegurarse de que los chips neuromórficos estén disparando sus sinapsis eléctricas en orden es sólo el comienzo.
