El desarrollo de una civilización a menudo se produce por ciclos. Cuando uno está cerrado, otro se abre y, a veces, se ha cerrado antes.
¿A qué me refiero? Todos sabemos que nuestra civilización se ha basado en desarrollos digitales desde hace años. La carrera digital ha llevado al abandono de tecnologías que parecían no tener futuro pero que, al menos, parece que pronto podrían volver a estar de moda.
Según un estudio reciente de IBM (publicado en Naturaleza en 2018) el uso de "memorias analógicas" podría ser una solución a las necesidades de eficiencia de las redes neuronales utilizadas para la Inteligencia Artificial.
Los investigadores del equipo de IBM Research AI pudieron demostrar que es posible usar periféricos con memoria analógica (que usan señales eléctricas continuas en lugar de las señales binarias más conocidas compuestas de 0 y 1) para el Aprendizaje profundo Logrando la misma precisión que se logra utilizando procesadores gráficos digitales.
Uno podría preguntar, dado que la precisión alcanzada es la misma, cuál es la novedad, por qué debería favorecerse la memoria analógica. La respuesta se encuentra en la forma en que funcionan los procesadores digitales, en su arquitectura y en la necesidad de mover grandes cantidades de datos para llevar a cabo la capacitación necesaria de las redes neuronales, todos estos factores deben tenerse en cuenta.
De hecho, el desarrollo de la inteligencia artificial se basa en la enorme y creciente cantidad de datos que deben recopilarse, analizarse y procesarse. Para hacer esto, particularmente durante el Aprendizaje profundo, los datos se mueven entre las memorias y los procesadores y esto significa el uso del tiempo y la energía. El estudio de nuevas arquitecturas (a menudo referidas a elementos naturales, como el cerebro humano) ha permitido mejorar el proceso de Aprendizaje profundo, "mover" algunas partes de la memoria a los datos, simplificando y acelerando las operaciones de transferencia de datos. Ahora, según los investigadores de IBM, es posible utilizar memorias analógicas que permitan ahorros en términos de energía disipada.
Uno de los problemas que había llevado a los investigadores a utilizar memorias digitales era la falta de precisión de los sistemas analógicos, que, sin embargo, parece superarse al menos parcialmente. Según los estudios más recientes, en los próximos diez años el uso de tecnologías analógicas en IA permitirá alcanzar una eficiencia mil veces superior a la actual.
Como sabemos desde hace mucho tiempo, el cerebro humano es una máquina casi perfecta, también desde el punto de vista del consumo de energía y la disipación del calor. Si observa la forma en que funciona el cerebro humano y trata de decir si se trata de un "procesador" analógico o digital, descubrirá que no es uno del otro, sino que utiliza procesos similares a uno o todos. Otro dependiendo de la conveniencia y función. Una vez más vemos cómo el estudio del cerebro nos ayuda a comprender cómo mejorar los procesadores.
Para obtener más información:
- https://www.ibm.com/blogs/research/2019/02/ai-hardware-center/
- https://www.ibm.com/blogs/research/2018/06/future-ai-better-compute/
- https://www.nature.com/articles/s41586-018-0180-5
- https://www.ibm.com/blogs/research/2018/06/approximate-computing-ai-acce...
- https://www.quora.com/Is-the-human-brain-analog-or-digital
