lunes, 8 de agosto de 2022

¿Puede una neurona artificial ser más rápida que las del cerebro humano?

 

Un equipo multidisciplinar de investigadores del Instituto Tecnológico de Massachusetts (MIT) se ha propuesto superar los límites de velocidad de un tipo de sinapsis analógica fabricada por el ser humano –el bloque de construcción clave en el “aprendizaje profundo analógico”– y afirma ahora haber creado con éxito sinapsis analógicas que son un millón de veces más rápidas que las de nuestro cerebro humano, según un comunicado de prensa de la institución.

A medida que los científicos amplían los límites del aprendizaje automático, se dispara la cantidad de tiempo, energía y dinero necesarios para entrenar modelos de redes neuronales cada vez más complejos. Ahí es donde entra el “aprendizaje profundo analógico”, una nueva área de la inteligencia artificial, que promete una computación más rápida con una fracción del uso de energía.

Aplicaciones de aprendizaje profundo

Al igual que los procesadores digitales necesitan transistores, los analógicos necesitan resistencias programables. Una vez puestas en la configuración adecuada, estas resistencias pueden utilizarse para crear una red de sinapsis y neuronas analógicas, según el comunicado de prensa.

Ahora, el material recién desarrollado es compatible con las técnicas de fabricación de silicio y podría allanar el camino para su integración en el hardware informático comercial para aplicaciones de aprendizaje profundo.

“Con esta idea clave y las potentes técnicas de nanofabricación que tenemos en el MIT.nano, hemos podido unir estas piezas y demostrar que estos dispositivos son intrínsecamente muy rápidos y funcionan con voltajes razonables”, afirma el autor principal, Jesús A. del Álamo, profesor Donner del Departamento de Ingeniería Eléctrica e Informática (EECS) del MIT. 

“Este trabajo ha puesto realmente estos dispositivos en un punto en el que ahora parecen realmente prometedores para futuras aplicaciones”, agregó.

No hay comentarios:

Publicar un comentario