Los teléfonos celulares y la Inteligencia Artificial


Los teléfonos celulares están a punto de ser más poderosos de lo que podría imaginar


20 de julio de 2017

Escrito por

Fuente: ANTIMEDIA


Muchas personas no se dan cuenta de que algunos de los avances tecnológicos más importantes en los últimos años, como el software de reconocimiento facial y de voz, los sistemas de conducción autónomos y el software de reconocimiento de imágenes, no han sido diseñados por humanos, sino por computadoras. Todos estos programas de software avanzados han sido el resultado de redes neuronales, conocidas popularmente como «aprendizaje profundo».

Las redes neuronales se modelan a partir del cerebro humano y aprenden como ellas de manera similar mediante el procesamiento de grandes cantidades de datos, junto con algoritmos que los programadores suministran a las redes. Una red neuronal puede entonces enseñarse a sí misma a realizar tareas mediante el análisis de los datos de entrenamiento.  “Básicamente, tiene software de escritura de software”,  dice Jen-Hsun Huang,  CEO de Nvidia, líder en procesamiento de gráficos.

La investigación en el área del aprendizaje profundo está avanzando tan rápidamente que las redes neuronales  ahora pueden soñar  e incluso pueden  comunicarse entre  sí utilizando un lenguaje criptográfico inhumano indescifrable para los humanos y otras computadoras. El único inconveniente de la tecnología es que las redes requieren mucha memoria y potencia para funcionar, pero la profesora asociada de ingeniería eléctrica y ciencias informáticas del MIT, Vivienne Sze y sus colegas, han estado trabajando en una solución que podría permitir que el potente software  funcione en celulares.

Sze y su equipo hicieron un gran avance el año pasado en el diseño de un chip de computadora eficiente en el consumo de energía que podría permitir que los dispositivos móviles funcionen con potentes sistemas de inteligencia artificial. Desde entonces, los investigadores han adoptado un enfoque alternativo a su investigación al diseñar una serie de nuevas técnicas para hacer que las redes neuronales sean más eficientes energéticamente.

“ Primero, desarrollaron un método analítico que puede determinar cuánta energía consumirá una red neuronal cuando se ejecute en un tipo particular de hardware. Luego utilizaron el método para evaluar nuevas técnicas para reducir las redes neuronales para que funcionen más eficientemente en dispositivos de mano ”,   informa MIT News .

El equipo presentará un artículo sobre su investigación la próxima semana en la  Conferencia de Visión de Computadoras y Reconocimiento de Patrones  en Honolulu. Allí, describirán sus métodos para reducir el consumo de energía de las redes neuronales hasta en un 43 por ciento con respecto al mejor método anterior y en un 73 por ciento con respecto a la implementación estándar con el uso de la «poda consciente de la energía».

Según Hartwig Adam, el líder del equipo para la visión móvil en Google:

“Recientemente, mucha actividad en la comunidad de aprendizaje profundo se ha dirigido hacia el desarrollo de arquitecturas de redes neuronales eficientes para plataformas computacionalmente restringidas. Sin embargo, la mayor parte de esta investigación se centra en reducir el tamaño del modelo o el cálculo, mientras que para los teléfonos inteligentes y muchos otros dispositivos, el consumo de energía es de suma importancia debido al uso de la batería y las restricciones de calor «.

Adán añadió:

“Este trabajo está tomando un enfoque innovador para la optimización de la arquitectura de la red CNN [red neuronal convolucional] que se guía directamente por la minimización del consumo de energía mediante una herramienta de estimación de energía nueva y sofisticada, y demuestra grandes ganancias de rendimiento sobre los métodos centrados en la computación. Espero que otros investigadores en el campo sigan su ejemplo y adopten esta metodología general para el diseño de arquitectura de modelos de redes neuronales «.