Con la creciente difusión del aprendizaje automático y la inteligencia artificial, podemos observar su presencia en ámbitos que van desde la visión artificial hasta la generación de texto. Sin embargo, estas acciones requieren redes neuronales complejas y un consumo energético exponencialmente alto. Estas tecnologías se están volviendo cada vez más insostenibles debido al aumento de la demanda energética para su entrenamiento. Para reducir esto, los investigadores encontraron una manera en que las redes neuronales pueden hacer que el aprendizaje automático sea más sostenible.
Los investigadores de la Instituto Max Planck para la Ciencia de la Luz Presentar sus investigaciones que demuestran una Método simple para reducir el consumo de energía mediante IA. Se requiere una alternativa más rentable y energéticamente eficiente a la computación neuromórfica. Esta tecnología reemplaza las redes neuronales de nuestros ordenadores por redes neuronales físicas. Esto realiza operaciones matemáticas físicamente más rápido y con mayor eficiencia energética.
Desafíos
- Se requieren altas potencias láser para realizar los cálculos matemáticos complejos necesarios.
- La falta de disponibilidad de métodos generales de entrenamiento para tales redes neuronales físicas.
Director del Instituto, florian marquardt explica, Normalmente, la entrada de datos se imprime en el campo de luz. Sin embargo, en nuestros nuevos métodos, proponemos imprimir la entrada modificando la transmisión de la luz.
Iluminaciones
- La fotónica y la óptica se consideran como plataformas prometedoras para la computación neuromórfica ya que mantienen el consumo de energía al mínimo.
- Es posible realizar cálculos en paralelo a una velocidad muy alta.
- Ambos desafíos pueden superarse con el nuevo método propuesto por los investigadores, ya que la señal de entrada se procesa de forma arbitraria.
El campo de luz se comporta de la manera más simple, donde las interferencias entre sí no se influyen mutuamente. Por lo tanto, con el nuevo enfoque, es posible evitar interacciones físicas complicadas para realizar las funciones matemáticas requeridas.
En las palabras de Clara Wanjura, dijo el primer autor del estudio, “Al mismo tiempo, esto permite medir toda la información relevante para el entrenamiento”.
Además, según otra investigación Los nuevos chips de computadora pueden aumentar la eficiencia energética de la IA,
Conclusión
Con diversas demostraciones, los investigadores planean colaborar con diferentes grupos experimentales para explorar la implementación de su método en diferentes condiciones. El enfoque de que las redes neuronales pueden hacer que el aprendizaje automático sea más sostenible, si tiene éxito, este sistema para... Los dispositivos neuromórficos se pueden utilizar para entrenar físicamente una amplia gama de plataformas..
Fuente: Computación neuromórfica completamente no lineal con dispersión de ondas lineal
