Un sistema electrónico inspirado en el cerebro podría reducir la huella de carbono de la IA


La inteligencia artificial extremadamente eficiente desde el punto de vista energético está ahora más cerca de la realidad después de que un estudio realizado por investigadores de la UCL encontró una manera de mejorar la precisión de un sistema informático inspirado en el cerebro.


La inteligencia artificial es extremadamente eficiente desde el punto de vista energético está ahora más cerca de la realidad después de que un estudio realizado por investigadores de UCL encontró una forma de mejorar la precisión de un sistema informático inspirado en el cerebro.


El sistema, que utiliza memristores para crear redes neuronales artificiales, es al menos 1.000 veces más eficiente energéticamente que el hardware de IA convencional basado en transistores, pero hasta ahora ha sido más propenso a errores.


La IA existente consume mucha energía: entrenar un modelo de IA puede generar 284 toneladas de dióxido de carbono, lo que equivale a las emisiones de por vida de cinco automóviles. Reemplazar los transistores que componen todos los dispositivos digitales con memristores, un dispositivo electrónico novedoso construido por primera vez en 2008, podría reducir esto a una fracción de una tonelada de dióxido de carbono, equivalente a las emisiones generadas en un viaje por la tarde.


Dado que los memristores son mucho más eficientes desde el punto de vista energético que los sistemas informáticos existentes, pueden potencialmente acumular enormes cantidades de potencia informática en dispositivos portátiles, eliminando la necesidad de estar conectados a Internet.


Esto es especialmente importante ya que se espera que la dependencia excesiva de Internet se vuelva problemática en el futuro debido a la creciente demanda de datos y las dificultades para aumentar la capacidad de transmisión de datos más allá de cierto punto.


En el nuevo estudio, publicado en Nature Communications , los ingenieros de UCL encontraron que la precisión podría mejorarse en gran medida haciendo que los memristores trabajen juntos en varios subgrupos de redes neuronales y promediando sus cálculos, lo que significa que las fallas en cada una de las redes podrían cancelarse.


Los memristores, descritos como "resistencias con memoria", ya que recuerdan la cantidad de carga eléctrica que fluía a través de ellos incluso después de apagarse, se consideraron revolucionarios cuando se construyeron por primera vez hace más de una década, un "eslabón perdido" en la electrónica para complementar la resistencia, el condensador y el inductor.


Desde entonces, se han fabricado comercialmente en dispositivos de memoria, pero el equipo de investigación dice que podrían usarse para desarrollar sistemas de inteligencia artificial en los próximos tres años.


Los memristores ofrecen una eficiencia enormemente mejorada porque operan no solo en un código binario de unos y ceros, sino en múltiples niveles entre cero y uno al mismo tiempo, lo que significa que se puede empaquetar más información en cada bit.



Además, los memristores a menudo se describen como una forma de computación neuromórfica (inspirada en el cerebro) porque, al igual que en el cerebro, el procesamiento y la memoria se implementan en los mismos bloques de construcción adaptativos, en contraste con los sistemas informáticos actuales que desperdician mucha energía en datos. movimiento.


En el estudio, el Dr. Adnan Mehonic, el estudiante de doctorado Dovydas Joksas (ambos de ingeniería eléctrica y electrónica de la UCL) y sus colegas del Reino Unido y los EE. UU. Probaron el nuevo enfoque en varios tipos diferentes de memristores y descubrieron que mejoraba la precisión de todos ellos. , independientemente del material o la tecnología de memristor particular. También funcionó para una serie de problemas diferentes que pueden afectar la precisión de los memristores.


Los investigadores descubrieron que su enfoque aumentó la precisión de las redes neuronales para las tareas típicas de IA a un nivel comparable al de las herramientas de software que se ejecutan en hardware digital convencional.


El Dr. Mehonic, director del estudio, dijo: "Esperábamos que hubiera enfoques más genéricos que mejoren no el comportamiento a nivel de dispositivo, sino a nivel de sistema, y creemos haber encontrado uno. Nuestro enfoque muestra que, cuando se trata de para los memristores, varios cabezales son mejores que uno. Organizar la red neuronal en varias redes más pequeñas en lugar de una red grande condujo a una mayor precisión en general ".


Dovydas Joksas explicó además: "Tomamos prestada una técnica popular de la informática y la aplicamos en el contexto de los memristores. ¡Y funcionó! Usando simulaciones preliminares, descubrimos que incluso un promedio simple podría aumentar significativamente la precisión de las redes neuronales memristivas".


El profesor Tony Kenyon (UCL Electronic & Electrical Engineering), coautor del estudio, agregó:


"Creemos que ahora es el momento de que los memristores, en los que hemos estado trabajando durante varios años, asuman un papel de liderazgo en una -era sostenible de los dispositivos IoT y la informática de vanguardia ".











Fuente:


LOLONDON'S GLOBAL UNIVERSITYNDON'S GLOBAL UNIVERSITY


0 comentarios