IMEC Brain-chip. Cr\u00e9dito: (Cr\u00e9dito: IMEC) <\/p>\n
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 matem\u00e1tico en el c\u00e1lculo de los llamados picos Redes neuronales. <\/p>\n
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 m\u00e1s eficiente que las t\u00e9cnicas tradicionales de IA. Dichos chips est\u00e1n a punto de convertirse en aplicaciones pr\u00e1cticas y cotidianas. <\/p>\n
Los resultados de la investigaci\u00f3n se publicaron en la revista cient\u00edfica Nature Machine Intelligence el 14 de octubre de 2021. <\/p>\n
Ahorro de energ\u00eda <\/p>\n
Durante la \u00faltima d\u00e9cada, la IA ha ganado cada vez m\u00e1s aplicaciones cotidianas, incluso para reconocer im\u00e1genes 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 informaci\u00f3n. Sin embargo, para las aplicaciones m\u00f3viles, ejecutar los modelos de IA actuales a menudo cuesta demasiada energ\u00eda. Por lo tanto, el desarrollo de IA de bajo consumo se ha vuelto cada vez m\u00e1s importante. <\/p>\n
Una forma de hacer que las aplicaciones de IA sean m\u00e1s eficientes energ\u00e9ticamente es hacer que las redes neuronales sean m\u00e1s similares a las del cerebro humano. Las redes neuronales cl\u00e1sicas usan se\u00f1ales que son continuas y f\u00e1ciles de manejar matem\u00e1ticamente. Las redes neuronales de picos calculan con pulsos, que es mucho m\u00e1s parecido a lo que sucede en el cerebro y requiere menos energ\u00eda, pero tiene la desventaja de que las se\u00f1ales son discontinuas y m\u00e1s dif\u00edciles de manejar matem\u00e1ticamente. Sin embargo, Boht y sus dos coautores han encontrado una soluci\u00f3n matem\u00e1tica a ese problema. <\/p>\n
\u00abProbamos nuestro algoritmo inform\u00e1tico en tres puntos de referencia\u00bb, dice Boht. \u00abEstos puntos de referencia consisten en conjuntos de prueba de aproximadamente diez gestos, una serie de palabras y una se\u00f1al de ECG continua. Nuestro algoritmo funciona al menos tan bien como las redes neuronales profundas tradicionales, pero con mucha m\u00e1s eficiencia energ\u00e9tica. En teor\u00eda, ganamos un factor de un cien a mil\u00bb. <\/p>\n
Computadora cerebral<\/p>\n
Para usar algoritmos como el de Boht en aplicaciones cotidianas, se necesitan chips de computadora neurom\u00f3rficos especiales. La arquitectura de estos chips se parece m\u00e1s a la arquitectura biol\u00f3gica del cerebro humano que a la de los chips de computadora tradicionales. Boht dice que \u00abbas\u00e1ndose en nuestros algoritmos, nuestro socio de investigaci\u00f3n IMEC ha creado un chip neurom\u00f3rfico 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 energ\u00eda. En comparaci\u00f3n con la ganancia de energ\u00eda te\u00f3rica, la ganancia de energ\u00eda en la pr\u00e1ctica siempre es menor debido a la conversi\u00f3n de se\u00f1ales digitales a anal\u00f3gicas y viceversa, y debido a la lectura de datos.Pero una ganancia de energ\u00eda de 20 veces sigue siendo mucho.Para detectar defectos card\u00edacos , significa que puede implantar un chip de registro de ECG y funcionar\u00e1 durante un a\u00f1o con una sola bater\u00eda\u00bb. <\/p>\n
En los pr\u00f3ximos a\u00f1os, los chips neurom\u00f3rficos contendr\u00e1n cada vez m\u00e1s neuronas puntiagudas, lo que ampliar\u00e1 a\u00fan m\u00e1s las posibilidades de aplicaci\u00f3n de la inteligencia artificial en chips port\u00e1tiles. Por ejemplo, a fines de septiembre, el fabricante de chips estadounidense Intel produjo el chip neurom\u00f3rfico Loihi 2, que ya contiene un mill\u00f3n de neuronas puntiagudas. <\/p>\n
Explore m\u00e1s<\/p>\n
Avance en inteligencia artificial energ\u00e9ticamente eficiente M\u00e1s informaci\u00f3n:<\/strong> Bojian Yin, Clasificaci\u00f3n 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 Informaci\u00f3n de la revista:<\/strong> Nature Machine Intelligence <\/p>\n Proporcionado por Centrum Wiskunde & Informatica Cita<\/strong>: eficiencia energ\u00e9tica AI detecta defectos card\u00edacos (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 est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" IMEC Brain-chip. Cr\u00e9dito: (Cr\u00e9dito: 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 matem\u00e1tico en el c\u00e1lculo de los llamados picos Redes neuronales. Gracias a este avance, los chips especiales que son adecuados para esta inteligencia artificial … Continuar leyendo \u00abIA de bajo consumo detecta defectos card\u00edacos\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-642","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/642","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=642"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/642\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=642"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=642"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=642"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}