un avance tecnológico desarrollado por físicos universidad de loughborough se puede redefinir Eficiencia energética en inteligencia artificial. El equipo está dirigido por Pável Borísovprofesor de física, creó un chip Capacidad de procesar información de tiempo directamente en hardware. Para obtener más información, consulte Plataforma de comunicación tecnológica. Exploración tecnológicaeste método permite el uso de Hasta 2.000 veces más eficiente energéticamente En comparación con las soluciones tradicionales basadas en software, según la aplicación.
El chip se describe en la revista Science. Sistema inteligente avanzado, Está hecho de nanopartículas de óxido y utiliza la física de materiales para procesar datos. Una de sus pruebas demostró que utiliza sólo una fracción de la energía consumida por los métodos típicos: «Mostramos cómo predecir la evolución futura de series temporales complejas, utilizando hasta dos mil veces menos energía que las soluciones estándar basadas en software».Borisov explicó según la plataforma de comunicación.
El diseño inspirado en el cerebro permite la predicción de series temporales y el reconocimiento de imágenes
El principio de este dispositivo es «Cálculo de yacimientos». En muchas aplicaciones de inteligencia artificial, como la previsión meteorológica, el análisis de procesos biológicos o el procesamiento de datos de sensores, es fundamental identificar patrones de datos que cambian con el tiempo.
Tradicionalmente, esto se ha hecho mediante software, que convierte la información en una forma más adecuada para el análisis predictivo. Por otro lado, el equipo de Loughborough desarrolló un memristor Óxido nanoporoso. Este componente electrónico almacena información sobre estímulos previos y cuenta con miles de canales internos gracias a poros distribuidos aleatoriamente, similares a las conexiones sinápticas del cerebro.
«Inspirándonos en la forma en que el cerebro humano crea una gran cantidad de conexiones neuronales aparentemente aleatorias, generamos conexiones físicas complejas y aleatorias en redes neuronales artificiales diseñando agujeros en películas de óxido de niobio».explicó el profesor. Por lo tanto, la sustancia del propio dispositivo asume el papel de una «capa oculta» en la red neuronal, lo que permite que se produzcan transformaciones críticas a nivel físico.
El contenido principal de la prueba incluye la aplicación del chip en el sistema. lorenz-63el famoso modelo matemático caótico relacionado con el «Efecto Mariposa». Además, el equipo también probó el reconocimiento de imágenes de píxeles digitales y la ejecución de operaciones lógicas básicas.
En todos los casos, los resultados confirmaron que el prototipo era capaz de realizar correctamente tareas de reconocimiento, predicción y reconstrucción de información, demostrando su adaptabilidad a una variedad de aplicaciones de inteligencia artificial.
Desafíos de escalabilidad y adopción industrial
Actualmente, el sistema propuesto por Borisov y sus colegas se encuentra todavía en fase experimental y sólo ha sido probado en tareas de baja complejidad. Los desarrollos futuros buscarán aumentar la dificultad y Pruebe la técnica utilizando datos contaminados con ruido.más cercano a la situación que enfrentan los sistemas inteligentes en entornos reales.
«Los próximos pasos incluyen aumentar la complejidad de la red neuronal y probarla con datos de entrada que contengan más ruido de señal», señaló el profesor.
La importancia de este avance radica en su potencial para abordar La inteligencia artificial plantea desafíos cada vez más graves a la demanda de energía. A medida que los sistemas artificiales siguen aumentando en tamaño y capacidad, las reducciones significativas en el consumo de energía se convierten en un factor para su supervivencia a largo plazo.
Serguéi SavelievProfesor de Física Teórica y coautor del estudio resume el valor de este enfoque: «Este es un ejemplo de cómo la física fundamental puede contribuir a la informática moderna, evitando enormes gastos computacionales». Utilizando la complejidad del sistema físico como filtro de alta dimensión para los datos. «
El método de computación por hardware propuesto tiene como objetivo crear dispositivos pequeños, Compatible con la industria y funciona sin una conexión permanenteque abrirá nuevas vías para la aplicación de la inteligencia artificial en escenarios sensibles al uso de energía.
