211service.com
La Fuerza Aérea prueba el chip inspirado en el cerebro de IBM como un observador aéreo de tanques
Satélites, aeronaves y un número creciente de drones: la Fuerza Aérea de EE. UU. tiene muchos ojos electrónicos en el cielo. Ahora está explorando si los chips de computadora inspirados en el cerebro podrían dar a esos sistemas la inteligencia para hacer cosas como identificar automáticamente vehículos como tanques o sistemas antiaéreos.
El Laboratorio de Investigación de la Fuerza Aérea (AFRL) informa buenos resultados del uso de un chip neuromórfico fabricado por IBM para identificar vehículos militares y civiles en imágenes aéreas generadas por radar. El chip no convencional hizo el trabajo con la misma precisión que una computadora normal de alta potencia, utilizando menos de una vigésima parte de la energía.
La AFRL adjudicó un contrato a IBM vale $ 550,000 en 2014 para convertirse en el primer cliente que paga de su chip TrueNorth inspirado en el cerebro. Procesa datos utilizando una red de un millón de elementos diseñada para imitar las neuronas del cerebro de un mamífero, conectadas por 256 millones de sinapsis.
Dichos chips son muy diferentes de los que se encuentran en las computadoras existentes y, para algunos problemas, deberían ser mucho más eficientes energéticamente (ver Thinking In Silicon). La Fuerza Aérea está interesada porque eso podría hacer posible implementar una visión artificial avanzada, que generalmente requiere una gran cantidad de poder de cómputo, en lugares donde los recursos y el espacio son limitados. Los satélites, los aviones a gran altura, las bases aéreas que dependen de generadores y los pequeños drones podrían beneficiarse, dice el ingeniero electrónico principal de AFRL, Qing Wu. Los dominios de misión de la Fuerza Aérea son el aire, el espacio y el ciberespacio. [Todos son] muy sensibles a las limitaciones de poder, dice.
Wu ha estado organizando concursos entre TrueNorth y una computadora Nvidia de alta potencia llamada Jetson TX-1, que cuesta alrededor de $ 500 y está diseñada para facilitar la implementación de una poderosa tecnología de aprendizaje automático a bordo de máquinas como automóviles o robots móviles.
Las computadoras de la competencia usaron diferentes implementaciones de software de procesamiento de imágenes basado en redes neuronales para tratar de distinguir 10 clases de vehículos militares y civiles representados en un conjunto de datos públicos llamado MSTAR . Los ejemplos incluyeron tanques rusos T-72, vehículos blindados de transporte de personal y excavadoras. Ambos sistemas lograron una precisión de alrededor del 95 por ciento, pero el chip de IBM usó entre un 20 y un 30 de esa potencia.
El chip de IBM debería tener una ventaja de eficiencia en tales tareas. La computadora convencional ejecutaba su software de red neuronal en chips con hardware que podría considerarse de propósito general, destinado a resolver cualquier tipo de problema. El hardware del chip TrueNorth está codificado para representar redes neuronales artificiales, con un millón de neuronas físicas personalizadas para la tarea.
Una de las razones por las que la arquitectura ofrece una mayor eficiencia es que las neuronas y las sinapsis del chip almacenan y operan con datos, dice Wu. En un sistema convencional como los del Jetson TX-1, los componentes que realizan los cálculos están separados de la memoria. Eso significa que los datos deben transferirse de la memoria al procesador para ser analizados y luego de regreso a la memoria para ser almacenados, lo que consume tiempo y energía.
Massimiliano Versace, quien dirige el Laboratorio de Neuromórficas de la Universidad de Boston y trabajó en otra parte del contrato del Pentágono que financió el trabajo de IBM en TrueNorth, dice que los resultados son prometedores. Pero señala que el chip de IBM actualmente viene con compensaciones.
Es mucho más fácil implementar redes neuronales en computadoras convencionales, gracias al software disponible por Nvidia, Google y otros. Y el chip inusual de IBM es mucho más caro. La facilidad de uso y el precio son [los] dos factores principales que compiten contra los chips neuromórficos especializados, dice Versace.
Wu dice que el hardware debería ser mucho más barato si IBM es capaz de atraer suficiente interés para aumentar la producción. La compañía dice que está trabajando para facilitar el desarrollo de software para la plataforma.