Memristores: sistema electrónico podría hacer que la IA sea 1.000 veces más eficiente en energía

¿Te resulta interesante este nuevo sistema electrónico llamado memristores? En este artículo te mostraremos algunos detalles sobre este sistema que promete revolucionar la Inteligencia Artificial.

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 UCL.

El grupo a cargo de este estudio 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.

Memristores: sistema electrónico podría hacer que la IA sea 1.000 veces más eficiente en energía

La IA existente consume mucha energía, entrenar un modelo de Inteligencia artificial 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 por un dispositivo electrónico novedoso construido por primera vez en 2008 llamado memristores, podría reducir esto a una fracción de una tonelada de dióxido de carbono, equivalente a las emisiones generadas en un viaje por la tarde.

Ya 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 una solución viable y especialmente importante ya que se presume 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.

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, lo que quiere decir que esta inspirada en el cerebro, pues 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.

En el estudio se probó en varios tipos diferentes de memristores y descubrieron que mejoraba la precisión de todos los ellos, independientemente del material o la tecnología de memristor particular.

También funcionó para varios 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 Inteligencia Artificial 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 memristores, varios cabezales son mejores que uno. Organizar la red neuronal en varias redes más pequeñas en lugar de una red grande llevó a una mayor precisión en general ” agregó.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *