.

Yaopai

Computación

Un truco para que la IA consuma menos con los mismos datos

1

La poda sináptica aligera los algoritmos al eliminar las neuronas y las conexiones que menos contribuyen a conseguir resultados. De momento, parece la única vía para solucionar el problema de la enorme potencia computacional que requieren las técnicas de aprendizaje automático actuales

  • por Yiting Sun | traducido por Marta del Amo
  • 06 Febrero, 2018

En enero, Google lanzó llamado Cloud AutoML, un nuevo servicio en la nube que permite al usuario automatizar algunos aspectos complicados del diseño de software de aprendizaje automático (ver Construya una inteligencia artificial a medida con lo nuevo de Google). Mientras trabajaban en este proyecto, los investigadores de la compañía llegaron a tener que utilizar hasta 800 tarjetas gráficas de forma simultánea para entrenar sus poderosos algoritmos (ver La ley de Moore abre una brecha entre la inteligencia artificial y la computación clásica).

A diferencia de los humanos, que solo necesitan un par de ejemplos para aprender a reconocer una taza de café, las redes neuronales de la inteligencia artificial (IA) necesitan  ver decenas de miles de ejemplos para aprender a identificar un objeto. Si tiene en cuenta que cada objeto aprendido por una red neuronal requiere el mismo proceso, empezará a entender por qué el software de IA requiere tanta potencia computacional.

Si los investigadores fueran capaces de diseñar redes neuronales que pudieran ser entrenadas con solo unos pocos ejemplos, "cambiarían todo el paradigma", afirmó el vicepresidente de ingeniería de Qualcomm, Charles Bergan, al público de la conferencia EmTech de MIT Technology Review celebrada en China la semana pasada (ver Una máquina de Google logra reconocer objetos que solo ha visto una vez).

Si las redes neuronales llegaran a ser capaces de dominar el "aprendizaje único", dijo Bergan, el engorroso proceso de alimentar algoritmos con grandes cantidades de datos se volvería obsoleto. Esto podría tener serias consecuencias para la industria del hardware, ya que tanto los gigantes tecnológicos como las start-ups del sector se están centrando en desarrollar procesadores más potentes para ejecutar los algoritmos de inteligencia artificial que tantos datos requieren actualmente (ver La nueva carrera de los chips de silicio se libra en el cuadrilátero de la inteligencia artificial).

Dominar el aprendizaje único también permitiría que el aprendizaje automático fuera mucho más eficiente. Aunque este tipo de redes neuronales aún no son posibles, ya hay varias investigaciones en curso que intentan reducir los algoritmos sin perder precisión, según explicó al público el científico en jefe de Nvidia, Bill Dally.

Los investigadores de Nvidia se basan en un proceso llamado poda sináptica que consiste en hacer que una red neuronal sea más pequeña y más eficiente de ejecutar. Para ello, se eliminan las neuronas artificiales y las conexiones más ineficientes, es decir las que no contribuyen directamente al resultado. "Hay formas de entrenamiento que pueden reducir la complejidad del aprendizaje basado en grandes cantidades de datos", concluyó Dally.

Computación

Las máquinas cada vez más potentes están acelerando los avances científicos, los negocios y la vida.

  1. Testamento digital: seis medidas para dejar en herencia sus datos

    Los familiares de un fallecido pueden tener problemas para conseguir su legado digital. Asegurarse de que alguien de confianza puede acceder a sus cuentas o revisar las políticas de datos en las redes sociales son algunas de las precauciones que usted puede tomar antes de morir para ponérselo fácil a sus allegados

  2. Un avatar con los datos de nuestra vida, la fórmula para ser inmortales

    La plataforma Augmented Eternity pretende recoger datos de redes sociales y ‘apps’ para crear una versión virtual de nosotros mismos que interactúe con nuestros allegados después de que fallezcamos. Sin embargo, replicar la complejidad humana en un avatar es uno de los retos pendientes del 'big data' de la vida eterna

  3. "Los datos permiten evaluar si las políticas de urbanismo funcionan"

    El investigador de Telefónica Enrique Frías-Martínez analiza a la población a través de sus 'smartphones' para planificar aspectos como el uso del suelo de una urbe. Para él, uno de los mayores retos es la resistencia al cambio que limita a las instituciones para utilizar nuevas herramientas