Informatica

AI calcula a la velocidad de la luz

Una red neuronal óptica que permite a las computadoras resolver cálculos matemáticos complejos a la velocidad de la luz.

Las señales en el cerebro saltan de una neurona a otra a una velocidad de aproximadamente 390 pies por segundo. La luz, por otro lado, viaja 186,282 millas en un segundo. Imagina las posibilidades si fuéramos tan listos. Bueno, las computadoras están llegando allí. Investigadores de UCLA revelaron el jueves una red neuronal óptica impresa en 3D que permite a las computadoras resolver cálculos matemáticos complejos a la velocidad de la luz. En otras palabras, no tenemos una oportunidad. Dejando a un lado la hipérbole, los investigadores creen que esta técnica de computación podría cambiar el poder de los algoritmos de aprendizaje automático, la matemática que subyace a muchas de las aplicaciones de inteligencia artificial en uso hoy en día, a un equipo completamente nuevo.

El cerebro, el aprendizaje profundo computarizado es uno de los rincones de más rápido crecimiento en la investigación e implementación de inteligencia artificial. El aprendizaje automático es cómo Facebook te reconoce a ti y a tus amigos; Es así como las computadoras diagnostican el cáncer a partir de imágenes de tejidos humanos. Es cómo se determina su puntaje de crédito. Si el título de su trabajo cae bajo el título de «empujador de papel», es probable que AI lo deje sin trabajo. Las redes neuronales artificiales acumulan sus comparaciones inteligentes porque la lógica matemática de los algoritmos es análoga a cómo los científicos piensan que funciona el cerebro. En cerebros carnosos, tenemos un enredo de neuronas enredadas que realizan una de dos funciones: o «disparan» o no lo hacen; son binarios Pero une 100 mil millones de neuronas en un mar de espaguetis de pensamientos interconectados e infinitamente enredados, y tendrás una computadora muy poderosa.

Redes neuronales artificiales

Trabaja en la misma lógica, pero las «neuronas» son simplemente ecuaciones matemáticas muy simplificadas: los datos se ingresan, se calculan y se escupe una solución. Las redes neuronales artificiales contienen miles y miles de estas neuronas matemáticas, y están organizadas en capas. Cuando una neurona realiza un cálculo, pasa la solución a una neurona en la siguiente capa, donde la neurona realiza un cálculo y, a su vez, pasa la solución.

Los investigadores entrenan redes neuronales artificiales al proporcionarles un gran conjunto de soluciones para una tarea específica, por ejemplo, identificar imágenes de árboles. Al mostrar las imágenes de la red neuronal de los árboles, la solución, el algoritmo «aprende» qué es un árbol. A medida que avanza, el algoritmo ajusta automáticamente las matemáticas que se producen en cada neurona hasta que la salida coincida con las soluciones del conjunto de entrenamiento. Cuando una computadora identifica un objeto, simplemente escupe una solución matemática que se presenta como una probabilidad (es decir, hay un 95 por ciento de probabilidad de que el objeto sea un árbol).

Necesita una cantidad increíble de potencia de computación para hacer que una red neuronal artificial valga la pena. Y en este momento, el equivalente informático de un motor V8 es la unidad de procesamiento de gráficos o GPU. Estos pequeños caballos de batalla de circuito hacen que los videojuegos se vean hermosos, ya que aceleran los rápidos cálculos matemáticos que se requieren para renderizar las imágenes sin problemas. Si encadenas cadenas de estas GPU, puedes multiplicar su poder y extraer criptomonedas o ejecutar programas de inteligencia artificial. No es de extrañar que actualmente haya una escasez de estas cosas.

Pero, si lo piensa bien, incluso las mejores GPU del mercado aún se fabrican con silicona y cobre. La información viaja como impulsos eléctricos a lo largo de intrincadas autopistas de circuitos. Pero los investigadores liderados por Xing Lin de UCLA imprimieron en 3D una red neuronal de múltiples capas que transmite información a través de pulsos de luz. Y enviar información a través de la luz, en lugar de a través de pulsos eléctricos a lo largo de carreteras metálicas, es como la diferencia entre conducir un automóvil o volar un jet a su destino.

Ahora, los investigadores no reemplazaron completamente a la GPU. Su red neuronal óptica solo realizó la tarea de reconocimiento: todo el entrenamiento se realizó a través de una computadora. En otras palabras, no es un sistema completo, pero es un comienzo. Para demostrar el rendimiento de su dispositivo, ajustaron su algoritmo para identificar números escritos a mano y le enviaron 55,000 imágenes de los números cero a nueve. Luego, probaron la red neuronal óptica en 10,000 nuevas imágenes. Identificó correctamente las imágenes con una precisión del 91.75 por ciento, realizando los cálculos a la velocidad de la luz.

Cómo funciona

En lugar de ajustar las matemáticas en cada neurona, los investigadores dicen que la red óptica ajusta sus neuronas al cambiar la fase y la amplitud de la luz en cada neurona. Y en lugar de tener un 1 o 0 como la solución en una neurona, cada neurona óptica transmite o refleja una luz entrante a la siguiente capa. Los investigadores publicaron sus hallazgos el jueves en la revista Science.

Los investigadores han tomado el hardware de AI en una nueva dirección interesante, porque dicen que es posible emparejar redes neuronales ópticas con computadoras, por lo que trabajan en paralelo y comparten la carga de trabajo. Los investigadores creen que estos componentes, denominados redes neuronales profundas difractivas (D2NN), podrían ampliarse fácilmente utilizando métodos avanzados de impresión 3D para agregar capas y neuronas adicionales. Otra ventaja: un D2NN es muy eficiente en el uso de la energía, y eso es grande porque las GPU actuales consumen una gran cantidad de electricidad y generan bastante calor.

La fusión de GPU y D2NN ópticas podría ser un motor más rápido y con mayor eficiencia energética para las aplicaciones de inteligencia artificial del futuro, como, por ejemplo, identificar propaganda rusa en su suministro de noticias.

Fuente: Carl Engelking / Discovery Magazine

SHARE
RELATED POSTS
Medir la capacidad de la IA para aprender es difícil.
Científicos han Demostrado que los Videojuegos Modifican el Cerebro
Científicos Están Desarrollando un Nuevo Dispositivo para las Personas Ciegas

Comments are closed.