Un chip inspirado en el cerebro, desarrollado por físicos británicos, podría hacer que los sistemas de IA sean 2.000 veces más eficientes
El dispositivo puede utilizarse para identificar patrones y realizar predicciones a corto plazo
Físicos de la Universidad de Loughborough han desarrollado un dispositivo capaz de procesar datos que cambian con el tiempo directamente en el hardware, en lugar de depender del software que se ejecuta en ordenadores convencionales. Este enfoque podría ser hasta 2.000 veces más eficiente energéticamente que los métodos convencionales basados en software en algunas tareas.
El Dr. Pavel Borisov, profesor titular de física, quien dirigió el equipo de investigación financiado por el Consejo de Investigación de Ciencias Físicas e Ingeniería (EPSRC), dijo: "Esto es emocionante porque demuestra que podemos replantearnos cómo se construyen los sistemas de IA. Al utilizar procesos físicos en lugar de depender exclusivamente del software, podemos reducir drásticamente la energía para este tipo de tareas".
La investigación, publicada en Advanced Intelligent Systems, aborda muchos de los problemas de IA del mundo real, que implican procesar datos que cambian con el tiempo e identificar patrones para predecir lo que sucederá a continuación. Para ello, se suele utilizar una técnica llamada computación de reservorio, en la que los datos entrantes se transforman en un formato que facilita la detección y predicción de patrones, generalmente mediante software.
Este enfoque podría ayudar a abordar un desafío creciente en la IA
El dispositivo de Loughborough realiza este tipo de cálculo directamente en el hardware. Es un memristor (un componente electrónico capaz de almacenar información sobre entradas anteriores) fabricado con óxido nanoporoso. Contiene nanoporos aleatorios que crean múltiples vías eléctricas, las cuales actúan como la capa de procesamiento oculta de una red neuronal, permitiendo que el propio material realice parte del cálculo.
Los investigadores, en el estudio, demostraron que el dispositivo puede procesar datos dependientes del tiempo y que, cuando su salida se introduce en un modelo informático lineal, puede utilizarse para identificar patrones y realizar predicciones a corto plazo. Probaron el sistema utilizando el sistema Lorenz-63, un conocido modelo matemático del caos vinculado al «efecto mariposa», donde pequeños cambios pueden conducir a resultados muy diferentes.
En las pruebas, el modelo utiliza los datos procesados por el memristor para predecir con éxito el comportamiento a corto plazo del sistema caótico de Lorenz y reconstruir los datos faltantes. Además, pudo identificar correctamente los números pixelados y realizar operaciones lógicas básicas, lo que demuestra que el mismo dispositivo puede soportar diversas tareas.
Según los investigadores, este enfoque podría ayudar a abordar un desafío creciente en la IA, ya que a medida que los sistemas se vuelven más potentes, sus necesidades energéticas aumentan, generando preocupación sobre su sostenibilidad a largo plazo. Al trasladar el procesamiento del software al hardware, podría ser posible lograr resultados similares con un consumo energético mucho menor.
Inspirándonos en la forma en que el cerebro humano forma numerosas conexiones neuronales, aparentemente aleatorias, entre todas sus neuronas, creamos conexiones físicas complejas y aleatorias en una red neuronal artificial mediante el diseño de poros en películas de óxido de niobio de un nanómetro de espesor, como parte de un novedoso dispositivo electrónico
El doctor Borisov añadió: "Hemos demostrado cómo se puede predecir la evolución futura de una serie temporal compleja utilizando estos dispositivos con un consumo energético hasta dos mil veces inferior al de una solución estándar basada en software". Los investigadores afirman que el sistema aún se encuentra en una fase inicial, con pruebas realizadas en tareas relativamente sencillas.