La inteligencia artificial (IA) puede hacer cálculos complejos y analizar datos más rápido que cualquier humano, pero requiere mucha energía para hacerlo. El cerebro humano también es una computadora increíblemente poderosa, pero usa muy poca energía.
Dado que las empresas de tecnología se expanden rápidamente, un nuevo enfoque para el “pensamiento” de IA desarrollado por los investigadores, incluidos los ingenieros de la Universidad de Texas A&M, imita el cerebro humano y tiene el potencial de revolucionar la industria de la IA.
El Dr. Swin Yi, profesor asistente de ingeniería eléctrica e informática en la Facultad de Ingeniería de Texas A&M, se encuentra en un equipo de investigadores que desarrollaron “AI Super Touring”, que funciona más como el cerebro humano. Esta nueva IA integra en lugar de separar algunos procesos y luego migrar grandes cantidades como los sistemas existentes.
Crisis energética en AI
El sistema de IA de hoy, incluidos los modelos de idiomas grandes como Openi y Chat GPT, requieren mucha potencia informática y se mantienen ampliamente en centros de datos que se usan en grandes cantidades de electricidad.
“Estos centros de datos están utilizando potencia en Gigwat, mientras que nuestro cerebro come 20 vatios”, explicó Swin. “Esto es solo 1 mil millones de vatios en comparación con 20. Los centros de datos que usan esta energía no son sostenibles con los métodos informáticos actuales. Por lo tanto, si bien las capacidades de IA son notables, todavía es necesario mantener el hardware y la generación de energía”.
Dada la huella de carbono asociada con centros de datos a gran escala, suficiente energía no solo aumenta los costos operativos, sino que también aumenta las preocupaciones ambientales. Dado que la IA se vuelve más integrada, resolver su estabilidad se vuelve rápidamente importante.
Imitar la mente
Yi y el equipo creen que la clave para resolver este problema es en la naturaleza, en particular, el proceso nervioso del cerebro humano.
En el cerebro, las funciones de aprendizaje y memoria no están separadas, están integradas. El aprendizaje y la memoria dependen de la comunicación entre las neuronas, llamada “sinapsis”, donde se mueven los indicadores. El aprendizaje refuerza o debilita los contactos sinápticos llamados “plástico sináptico”, cambiando la corriente para formar nuevos circuitos y almacenar y recuperar información.
Por el contrario, en el sistema informático actual, la capacitación (cómo se enseña la IA) y la memoria (almacenamiento de datos) ocurre en dos lugares separados dentro del hardware de la computadora. La IA es un súper revolucionaria de Touring porque elimina esta diferencia de rendimiento, por lo que la computadora no necesita transmitir demasiados datos de una parte de su hardware a la otra.
“El modelo de IA tradicional depende en gran medida del contexto de propaganda”, dijo Yi. Este es un método que se utiliza para ajustar la red nerviosa durante el entrenamiento. “” Aunque la propaganda de espalda efectiva no está biológicamente orgullosa y es extremadamente profunda.
Él dijo: “Lo que hemos hecho en este artículo es que el algoritmo actual de aprendizaje automático es una solución a la inestabilidad biológica”. “Nuestro equipo detecta mecanismos como la plasticidad, dependiendo del horario de aprendizaje y pico de hibi. Este es un proceso que ayuda a las neuronas a fortalecer los contactos de una manera que imita cómo el cerebro real aprende cómo aprender”.
Los principios de Hebiyyyyyyyyyyyyyyyy a menudo se resumen de que “las células que se disparan juntas, se combinan juntas”. Este enfoque se encuentra más estrechamente en cómo las neuronas en el cerebro fortalecen sus contactos en función de las muestras de actividad. Al integrar un mecanismo tan afectado biológicamente, el propósito del equipo es desarrollar el sistema de IA que requiere menos fuerza computacional sin comprometer el rendimiento.
En una prueba, un circuito que usa estos ingredientes ayudó al dron a un entorno complejo, sin entrenamiento, aprendiendo y moldeándolo sobre la marcha. Este enfoque fue más rápido, más eficiente y menos energía que la IA tradicional.
¿Por qué es importante para el futuro de la IA?
Esta investigación puede cambiar el juego para la industria de la IA. Las empresas se ejecutan para crear modelos de IA grandes y más potentes, pero su capacidad para medir está limitada por las barreras de hardware y energía. En algunos casos, las nuevas aplicaciones de IA deben construir nuevos centros de datos completos, lo que mejora aún más los costos ambientales y económicos.
Yi ha enfatizado que la innovación en el hardware en sí es tan importante como el progreso en el sistema de IA. “Muchas personas dicen que la IA es solo una cosa de software, pero sin la informática de hardware, la IA no puede existir”, dijo.
Esperando: crecimiento sostenible de IA
Super Touring AI representa un paso importante hacia el desarrollo sostenible de IA. Al reorganizar la arquitectura de IA para reflejar el desempeño del cerebro humano, la industria puede abordar los desafíos económicos y ambientales.
Yi y su equipo esperan que su investigación conduzca a una nueva generación de IA, que es inteligente y más efectiva.
Yi dijo: “La IA moderna como el chat GPT es muy bueno, pero es muy costoso. Vamos a hacer una IA sostenible”. “Al acelerar la IA, ¿cómo se puede construir y utilizar la IA, asegurándose de que a medida que avanza, suceda de una manera que beneficie tanto a las personas como al planeta”?
