IMEC Brain-chip. Crédito: (Crédito: IMEC)
Los investigadores del CWI Bojian Yin y Sander Boht, junto con su colega Federico Corradi de Stichting Interuniversitair Micro-Elektronica Centrum (IMEC) en Eindhoven, lograron un avance matemático en el cálculo de los llamados picos Redes neuronales.
Gracias a este avance, los chips especiales que son adecuados para esta inteligencia artificial (IA) pueden reconocer el habla, los gestos y los electrocardiogramas (ECG) en un factor de veinte a mil más eficiente que las técnicas tradicionales de IA. Dichos chips están a punto de convertirse en aplicaciones prácticas y cotidianas.
Los resultados de la investigación se publicaron en la revista científica Nature Machine Intelligence el 14 de octubre de 2021.
Ahorro de energía
Durante la última década, la IA ha ganado cada vez más aplicaciones cotidianas, incluso para reconocer imágenes y palabras habladas. Esto se hace con redes neuronales profundas, que son imitaciones altamente simplificadas de la forma en que el cerebro humano procesa la información. Sin embargo, para las aplicaciones móviles, ejecutar los modelos de IA actuales a menudo cuesta demasiada energía. Por lo tanto, el desarrollo de IA de bajo consumo se ha vuelto cada vez más importante.
Una forma de hacer que las aplicaciones de IA sean más eficientes energéticamente es hacer que las redes neuronales sean más similares a las del cerebro humano. Las redes neuronales clásicas usan señales que son continuas y fáciles de manejar matemáticamente. Las redes neuronales de picos calculan con pulsos, que es mucho más parecido a lo que sucede en el cerebro y requiere menos energía, pero tiene la desventaja de que las señales son discontinuas y más difíciles de manejar matemáticamente. Sin embargo, Boht y sus dos coautores han encontrado una solución matemática a ese problema.
«Probamos nuestro algoritmo informático en tres puntos de referencia», dice Boht. «Estos puntos de referencia consisten en conjuntos de prueba de aproximadamente diez gestos, una serie de palabras y una señal de ECG continua. Nuestro algoritmo funciona al menos tan bien como las redes neuronales profundas tradicionales, pero con mucha más eficiencia energética. En teoría, ganamos un factor de un cien a mil».
Computadora cerebral
Para usar algoritmos como el de Boht en aplicaciones cotidianas, se necesitan chips de computadora neuromórficos especiales. La arquitectura de estos chips se parece más a la arquitectura biológica del cerebro humano que a la de los chips de computadora tradicionales. Boht dice que «basándose en nuestros algoritmos, nuestro socio de investigación IMEC ha creado un chip neuromórfico especial con 336 neuronas puntiagudas: el chip Brain. Si ejecutamos nuestro algoritmo en este chip especial, ganamos un factor de 20 en el consumo de energía. En comparación con la ganancia de energía teórica, la ganancia de energía en la práctica siempre es menor debido a la conversión de señales digitales a analógicas y viceversa, y debido a la lectura de datos.Pero una ganancia de energía de 20 veces sigue siendo mucho.Para detectar defectos cardíacos , significa que puede implantar un chip de registro de ECG y funcionará durante un año con una sola batería».
En los próximos años, los chips neuromórficos contendrán cada vez más neuronas puntiagudas, lo que ampliará aún más las posibilidades de aplicación de la inteligencia artificial en chips portátiles. Por ejemplo, a fines de septiembre, el fabricante de chips estadounidense Intel produjo el chip neuromórfico Loihi 2, que ya contiene un millón de neuronas puntiagudas.
Explore más
Avance en inteligencia artificial energéticamente eficiente Más información: Bojian Yin, Clasificación precisa y eficiente en el dominio del tiempo con redes neuronales recurrentes de pico adaptativo, Nature Machine Intelligence (2021). DOI: 10.1038/s42256-021-00397-w. www.nature.com/articles/s42256-021-00397-w Información de la revista: Nature Machine Intelligence
Proporcionado por Centrum Wiskunde & Informatica Cita: eficiencia energética AI detecta defectos cardíacos (2021, 15 de octubre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-10-energy-ficient-ai-heart-defects.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.