211service.com
Por qué un chip que es malo en matemáticas puede ayudar a las computadoras a resolver problemas más difíciles
Tu profesor de matemáticas te mintió. A veces, equivocarse en las sumas es algo bueno.
Eso dice Joseph Bates, cofundador y director ejecutivo de Singular Computing, una empresa cuyos chips de computadora están cableados para que no puedan realizar cálculos matemáticos correctamente. Pídele que sume 1 y 1 y obtendrás respuestas como 2,01 o 1,98.
La agencia de investigación del Pentágono, DARPA, financió la creación del chip de Singular porque esa borrosidad puede ser una ventaja cuando se trata de algunos de los problemas más difíciles para las computadoras, como dar sentido a un video u otros datos desordenados del mundo real. El hecho de que el hardware sea malo no significa que el resultado del software deba serlo, dice Bates.
Un chip que no puede garantizar que todos los cálculos sean perfectos aún puede obtener buenos resultados en muchos problemas, pero necesita menos circuitos y quema menos energía, dice.
Bates ha trabajado con el Laboratorio Nacional Sandia, la Universidad Carnegie Mellon, la Oficina de Investigación Naval y el MIT en pruebas que utilizaron simulaciones para mostrar cómo las operaciones inexactas del chip S1 podrían hacer que ciertas tareas informáticas complicadas sean más eficientes. Los problemas con datos que vienen con ruido incorporado del mundo real, o donde se necesita alguna aproximación, son los que mejor se adaptan. Bates reporta resultados prometedores para aplicaciones tales como imágenes de radar de alta resolución, extracción de información 3-D de fotos estéreo y aprendizaje profundo, una técnica que ha brindado una explosión reciente de progreso en inteligencia artificial.
Este chip no puede hacer bien la aritmética, pero podría hacer que las computadoras sean más eficientes en problemas complicados como el análisis de imágenes.
En una prueba simulada que utilizó un software que rastrea objetos como automóviles en video, el enfoque de Singular fue capaz de procesar cuadros casi 100 veces más rápido que un procesador convencional restringido a hacer cálculos correctos, mientras usa menos del 2 por ciento de energía.
Bates no es el primero en perseguir la idea de usar hardware ondulado a mano para procesar datos de manera más eficiente, una noción conocida como computación aproximada (ver 10 Tecnologías innovadoras 2008: Chips probabilísticos). Pero la inversión de DARPA en su chip podría darle al sueño matemático borroso su mayor prueba hasta el momento.
Bates está construyendo un lote de computadoras propensas a errores que combinan 16 de sus chips con un solo procesador convencional. DARPA obtendrá cinco máquinas de este tipo en algún momento de este verano y planea ponerlas en línea para que los investigadores gubernamentales y académicos jueguen con ellas. La esperanza es que puedan demostrar el potencial de la tecnología y atraer el interés de la industria de chips.
DARPA financió el chip de Singular como parte de un programa llamado al revés, que tiene como objetivo inventar formas nuevas y más eficientes de procesar secuencias de video. Los drones militares pueden recopilar grandes cantidades de video, pero no siempre se pueden descargar durante el vuelo, y la potencia de la computadora necesaria para procesarlo en el aire sería demasiado voluminosa.
Se necesitarán hazañas notables de software e incluso ingeniería cultural para que el hardware impreciso despegue. No es fácil para los programadores acostumbrados a la idea de que los chips siempre son súper precisos adaptarse a los que no lo son, dice cristian enzo , un profesor del Instituto Federal Suizo de Tecnología en Lausana que ha construido sus propios chips informáticos aproximados. Se necesitarán nuevas herramientas para ayudarlos a hacer eso, dice.
Pero Deb Roy, profesora del MIT Media Lab y directora científica de medios de Twitter, dice que las tendencias recientes en computación sugieren que la computación aproximada puede encontrar una audiencia más preparada que nunca. Hay una resonancia natural si está procesando cualquier tipo de datos que son ruidosos por naturaleza, dice. Eso se ha vuelto cada vez más común a medida que los programadores buscan extraer información de fotos y videos o hacer que las máquinas den sentido al mundo y al comportamiento humano, agrega.