Para nadie es un secreto que la Inteligencia Artificial (IA) ha logrado avances notables en los últimos años en diversidad de áreas. Sin embargo, un desafío importante que acompaña a este progreso es la descomunal demanda de energía. Cuanto más complejas son las tareas para las que se entrena la Inteligencia Artificial, más energía consume y esto se ha comentado en diversidad de ocasiones.
Por tal motivo, a continuación exploramos un enfoque innovador presentado por científicos del Instituto Max Planck para la Ciencia de la Luz en Erlangen, Alemania y, vale la pena aclarar que algunos de los grandes del mercado de los semiConductores como Intel Labs, también le están apostando a la Computación Neuromórfica.
En palabras un poco más simples, estas poderosas mentes proponen un método que podría llegar a revolucionar el entrenamiento de IA al basarse en procesos físicos en vez de redes neuronales artificiales digitales, lo que podría llevar a sistemas de IA más eficientes energéticamente. ¡No se pierda ningún detalle al respecto!
Esto es lo que tiene que saber sobre la computación neuromórfica
Es importante destacar que para poder abordar el desafío energético que plantea la Inteligencia Artificial, los investigadores han estado explorando un concepto novedoso conocido como “computación neuromórfica”. A diferencia de las redes neuronales artificiales convencionales que se ejecutan en computadoras digitales, la computación neuromórfica tiene como objetivo imitar la manera en que el cerebro procesa la información. En el cerebro, cuantiosos pasos de un proceso de pensamiento suceden en paralelo y las células nerviosas (neuronas) actúan como procesadores y unidades de memoria.
Las computadoras digitales tradicionales, por otro lado, manejan datos de forma secuencial, lo que resulta en un consumo de energía sustancial, fundamentalmente cuando se entrenan redes neuronales con grandes cantidades de datos. La constante transferencia de datos entre el procesador y los componentes de la memoria supone un significativo consumo de energía. La eficiencia del cerebro humano reside en su procesamiento paralelo, que disminuye el desperdicio de energía.
Enfoque neuromórfico
Algunos científicos han propuesto una considerable solución al problema de la eficiencia energética en la IA al introducir el concepto “máquina física de autoaprendizaje”. Este enfoque implica entrenar modelos de Inteligencia Artificial mediante procesos físicos, lo que permite a la máquina optimizar sus parámetros de forma independiente sin necesidad de retroalimentación externa.
La máquina física de autoaprendizaje efectúa el entrenamiento como un proceso físico autoguiado. Esto no sólo logra disminuir el consumo de energía, sino que también consigue acelerar el proceso de formación, economizando un valioso tiempo de cálculo. Un equipo experimental está trabajando activamente para poder desarrollar una “computadora neuromórfica” óptica que emplea procesos reversibles y no lineales para el entrenamiento de IA. Su objetivo es crear la primera máquina física con autoaprendizaje en los próximos tres años.
Debe saber que la llegada de máquinas físicas con autoaprendizaje es bastante prometedora para remodelar el panorama de la IA. Estas máquinas podrían eventualmente reemplazar a las computadoras digitales convencionales para entrenar modelos de IA, allanando el camino para un ecosistema de Inteligencia Artificial más eficiente desde el punto de vista energético y sostenible.
