211service.com
Tu próxima computadora podría mejorar con la edad
jon han
En general, las computadoras se ralentizan a medida que envejecen. Sus procesadores luchan por manejar software más nuevo. Apple incluso deliberadamente ralentiza sus iPhones a medida que sus baterías se degradan. Pero los investigadores de Google han publicado detalles de un proyecto que podría permitir que una computadora portátil o un teléfono inteligente aprendan a hacer las cosas mejor y más rápido con el tiempo.
Los investigadores abordaron un problema común en la informática, llamado búsqueda previa. Las computadoras procesan la información mucho más rápido de lo que pueden extraerla de la memoria para procesarla. Para evitar cuellos de botella, intentan predecir qué información es probable que se necesite y obtenerla con anticipación. A medida que las computadoras se vuelven más poderosas, esta predicción se vuelve progresivamente más difícil.
En un papel publicado en línea esta semana, el equipo de Google describe el uso del aprendizaje profundo, un método de inteligencia artificial que emplea una gran red neuronal simulada, para mejorar la búsqueda previa. Aunque los investigadores no han demostrado cuánto acelera esto, el impulso podría ser grande, dado lo que el aprendizaje profundo ha aportado a otras tareas.
El trabajo que hicimos es solo la punta del iceberg, dice heiner litz de la Universidad de California, Santa Cruz, investigadora visitante del proyecto. Litz cree que debería ser posible aplicar el aprendizaje automático a cada parte de una computadora, desde el sistema operativo de bajo nivel hasta el software con el que interactúan los usuarios.
Tales avances serían oportunos. La Ley de Moore finalmente se está desacelerando y el diseño fundamental de los chips de computadora no ha cambiado mucho en los últimos años. tim kraska , profesor asociado en el MIT que también está explorando cómo el aprendizaje automático puede hacer que las computadoras funcionen mejor, dice que el enfoque también podría ser útil para algoritmos de alto nivel. Una base de datos podría aprender automáticamente cómo manejar datos financieros en lugar de datos de redes sociales, por ejemplo. O una aplicación podría aprender a responder a los hábitos de un usuario en particular de manera más efectiva.
Tendemos a construir sistemas y hardware de propósito general, dice Kraska. El aprendizaje automático hace posible que el sistema se personalice automáticamente, en su esencia, según los datos específicos y los patrones de acceso de un usuario.
Kraska advierte que el uso del aprendizaje automático sigue siendo computacionalmente costoso, por lo que los sistemas informáticos no cambiarán de la noche a la mañana. Sin embargo, si es posible superar estas limitaciones, dice, la forma en que desarrollamos los sistemas podría cambiar fundamentalmente en el futuro.
Litz es más optimista. La gran visión es un sistema que constantemente se monitorea a sí mismo y aprende, dice. Es realmente el comienzo de algo realmente grande.