El aprendizaje automático más eficiente podría cambiar el paradigma de la IA

Yaopai

En enero, Google lanzó un nuevo servicio llamado Cloud AutoML, que puede automatizar algunos aspectos complicados del diseño de software de aprendizaje automático. Mientras trabajaban en este proyecto, los investigadores de la compañía a veces necesitaban ejecutar hasta 800 chips gráficos al unísono para entrenar sus poderosos algoritmos.

A diferencia de los humanos, que pueden reconocer tazas de café al ver uno o dos ejemplos, las redes de IA basadas en neuronas simuladas necesitan ver decenas de miles de ejemplos para identificar un objeto. Imagínese tratar de aprender a reconocer cada elemento en su entorno de esa manera, y comenzará a comprender por qué el software de IA requiere tanto poder de cómputo.

Si los investigadores pudieran diseñar redes neuronales que pudieran ser entrenadas para realizar ciertas tareas utilizando solo un puñado de ejemplos, cambiaría todo el paradigma, dijo Charles Bergan, vicepresidente de ingeniería de Qualcomm, a la multitud en Revisión de tecnología del MIT la conferencia EmTech China de principios de esta semana.

Historia relacionada

Historia relacionada

Si las redes neuronales fueran capaces de aprender de una sola vez, dijo Bergan, el engorroso proceso de introducir montones de datos en algoritmos para entrenarlos se volvería obsoleto. Esto podría tener graves consecuencias para la industria del hardware, ya que tanto los gigantes tecnológicos existentes como las nuevas empresas se centran actualmente en desarrollar procesadores más potentes diseñados para ejecutar los algoritmos de IA de uso intensivo de datos de la actualidad.

También significaría un aprendizaje automático mucho más eficiente. Si bien las redes neuronales que se pueden entrenar utilizando pequeños conjuntos de datos aún no son una realidad, ya se están realizando investigaciones para hacer algoritmos más pequeños sin perder precisión, dijo Bill Dally, científico jefe de Nvidia, en la conferencia.

Los investigadores de Nvidia utilizan un proceso llamado poda de red para hacer que una red neuronal sea más pequeña y más eficiente de ejecutar al eliminar las neuronas que no contribuyen directamente a la salida. Hay formas de capacitación que pueden reducir enormemente la complejidad de la capacitación, dijo Dally.

esconder