Modelos y plataformas de IA
Tecnología de Hardware de Inteligencia Artificial que Imita los Cambios en la Topología de la Red Neuronal
Añade Unite.AI a tus fuentes preferidas en Google
Un grupo de investigadores del Instituto de Ciencia y Tecnología Avanzada de Corea (KAIST) ha propuesto un nuevo sistema inspirado en la neuromodulación del cerebro, que se llama “sistema de almacenamiento”. Este sistema recién propuesto requiere menos consumo de energía.
El equipo estuvo liderado por el profesor Kyung Min Kim del Departamento de Ciencia y Tecnología de Materiales. La investigación se publicó en Materiales Funcionales Avanzados y fue apoyada por KAIST, la Fundación Nacional de Investigación de Corea, el Centro Nacional de Fabricación de Nanotecnología y SK Hynix.
Imitando la Topología de la Red Neuronal
Los investigadores desarrollaron una tecnología que puede manejar eficientemente las operaciones matemáticas para la inteligencia artificial imitando los cambios en la topología de la red neuronal dependiendo de la situación. Esto se inspiró en el cerebro humano, que puede cambiar su topología neuronal en tiempo real, lo que le permite aprender a almacenar o recordar memorias cuando sea necesario. (NRC )
Este nuevo tipo de método de aprendizaje de inteligencia artificial implementa directamente configuraciones de circuitos de coordinación neuronal.
Para implementar eficazmente la inteligencia artificial en dispositivos electrónicos, es importante que se apoye el desarrollo de hardware personalizado. Con eso dicho, la mayoría de los dispositivos electrónicos creados para la inteligencia artificial requieren un alto consumo de energía. Si deben realizar tareas a gran escala, también necesitan matrices de memoria altamente integradas. Estas limitaciones en el consumo y la integración han demostrado ser difíciles de superar, por lo que los investigadores han comenzado a buscar más a fondo dentro del cerebro humano para saber cómo resuelve problemas.
Tecnología Altamente Eficiente
El equipo demostró la eficiencia de la nueva tecnología creando hardware de red neuronal artificial con una matriz sináptica auto-rectificadora y un algoritmo al que se refirió como un “sistema de almacenamiento”. Este hardware se desarrolló para realizar el aprendizaje de la inteligencia artificial y pudo reducir la energía en un 37% dentro del sistema de almacenamiento sin sufrir degradación de precisión.
“En este estudio, implementamos el método de aprendizaje del cerebro humano con solo una composición de circuito simple y a través de esto pudimos reducir la energía necesaria en casi un 40 por ciento”, dijo el profesor Kim.
Uno de los aspectos importantes de este nuevo sistema de almacenamiento que imita la actividad del cerebro es que es compatible con dispositivos electrónicos existentes y hardware de semiconductores comercializados. El sistema podría desempeñar un papel importante en el diseño de chips de semiconductores de próxima generación para la inteligencia artificial.
