211service.com
IBM hace planes para comercializar su chip inspirado en el cerebro
En agosto del año pasado, IBM dio a conocer un chip diseñado para operar algo así como las neuronas y las sinapsis del cerebro (consulte El chip de IBM procesa datos de manera similar a como lo hace su cerebro). Ahora, la compañía ha comenzado a trabajar en una próxima generación destinada a mejorar los dispositivos móviles en tareas que son fáciles para el cerebro pero difíciles para las computadoras, como el reconocimiento de voz y la interpretación de imágenes.
IBM diseñó este chip para tomar prestados principios vistos en el cerebro y ahora está trabajando en una versión que podría hacer que los dispositivos móviles sean más inteligentes.
Estamos trabajando en una próxima generación del chip, pero lo más importante ahora son los socios comerciales, dice John Kelly, vicepresidente senior de IBM que supervisa IBM Research y varias unidades comerciales, incluidas dos dedicadas al conjunto de máquinas Watson de la empresa. software de inteligencia. Las empresas podrían incorporar esto en todo tipo de dispositivos móviles, maquinaria, automóviles, lo que sea.
Agregar chips inspirados en el cerebro a productos como los teléfonos podría hacerlos capaces de reconocer cualquier cosa que digan sus dueños y rastrear lo que sucede a su alrededor, dice Kelly. Lo más cerca que están los dispositivos de hoy en día es escuchar ciertas palabras clave. El último iPhone de Apple se puede despertar diciendo Hey Siri, y algunos teléfonos que usan el software de Google se pueden despertar con la frase OK Google.
La arquitectura de chip TrueNorth de IBM, como se le llama, se desarrolló a través de un programa financiado por DARPA destinado a hacer posible que las computadoras móviles ejecuten software avanzado de inteligencia de máquinas, como reconocimiento de imágenes o de voz, sin tener que acceder a la infraestructura de computación en la nube y utilizando muy poco poder (ver Pensando en Silicio).
Kelly dice que IBM está en conversaciones con los principales fabricantes de sistemas informáticos sobre cómo los diseños de TrueNorth podrían ayudarlos, pero se niega a nombrarlos. Estamos hablando con quién es quién en el espacio móvil y el espacio IoT [Internet de las cosas], dice. Se agregaría un chip TrueNorth a los diseños de dispositivos como un coprocesador que funciona junto con el procesador convencional y nunca se apaga, dice Kelly.
El chip TrueNorth presentado en agosto pasado tiene aproximadamente el tamaño de un sello postal y tiene un millón de neuronas de silicio con 256 millones de conexiones entre ellas que son análogas a las sinapsis que unen las neuronas reales. El chip consume más de 1000 veces menos energía que un procesador convencional de tamaño similar. IBM ha demostrado cómo se puede programar su red de neuronas para realizar tareas como reconocer diferentes vehículos en secuencias de video en tiempo real.
Sin embargo, debido a que la arquitectura del chip TrueNorth es muy diferente de la de las computadoras existentes, requiere nuevos enfoques para escribir software. Y sus neuronas falsas funcionan de manera diferente a las redes neuronales artificiales basadas en software que empresas como Google, Facebook y Microsoft han utilizado recientemente para lograr avances en el procesamiento de voz e imágenes utilizando un método conocido como aprendizaje profundo (ver 10 Tecnologías innovadoras 2013: Deep Aprendiendo ).
Las neuronas en la arquitectura TrueNorth de IBM codifican datos mediante picos eléctricos de encendido y apagado, intentando imitar las señales de picos de las neuronas biológicas. Las neuronas simuladas utilizadas en el aprendizaje profundo no utilizan picos.
No se ha demostrado que las redes neuronales artificiales que utilizan neuronas de pico, incluidas las de IBM, coincidan con el rendimiento logrado mediante el aprendizaje profundo en tareas como el reconocimiento de voz o el procesamiento de imágenes. Yann LeCun, quien dirige el laboratorio de investigación de inteligencia artificial de Facebook y ayudó a ser pionero en el aprendizaje profundo, ha escepticismo expresado que será práctico hacerlo.
Dharmendra Modha, quien lidera el desarrollo de los chips inspirados en el cerebro de IBM, responde que los picos son críticos si las redes neuronales se van a ejecutar en un chip con alta eficiencia energética. Su equipo ha comenzado a crear herramientas que harán posible transferir redes neuronales de aprendizaje profundo capacitadas a un chip TrueNorth, dice.
Este chip se concibió como un sustrato sobre el cual se puede mapear una gran variedad de redes neuronales para aplicaciones en tiempo real, de energía ultra baja y volumen ultra bajo, dice.
terrence sejnowski , líder del laboratorio de neurobiología computacional en el Instituto Salk de Estudios Biológicos, está de acuerdo en que las neuronas en punta son importantes si las computadoras compactas van a ser capaces de hacer cosas inteligentes sin consumir mucha energía o tocar la nube. Aparecieron en la naturaleza por una razón, dice.
Nueva investigación de otro pionero del aprendizaje profundo, Yoshua Bengio de la Universidad de Montreal, sugiere que la precisión de la técnica podría ser más fácil de transferir a las neuronas de hardware de picos de lo que se pensaba anteriormente, dice Sejnowski. Bengio, que colabora con IBM en software de idiomas, publicó un documento preliminar en línea la semana pasada que muestra que ajustar las neuronas simuladas utilizadas en el aprendizaje profundo de una manera que las haga más como neuronas puntiagudas no perjudicó la precisión en el procesamiento de imágenes.
Incluso si la arquitectura de chip cerebral de IBM se reconcilia con las técnicas de aprendizaje profundo, tendrá competencia. Google ya está trabajando en formas de reducir las redes neuronales artificiales para que se ejecuten en los dispositivos móviles existentes (consulte La aplicación de Google pone redes neuronales en su teléfono). Varias empresas, incluido el diseñador líder de procesadores móviles Qualcomm, están trabajando en diseños de chips que ejecutarían el software de aprendizaje profundo existente en computadoras móviles como teléfonos o automóviles (consulte Chips de silicio que ven harán que su teléfono inteligente sea brillante).