Los nuevos chips neuromórficos de Intel son 1.000 veces más rápidos que los CPU normales

El nuevo sistema de Intel (INTC ), codificado como Pohoiki Beach, estará en la Consumer Electronics Show (CES) en Las Vegas. El dispositivo está construido con 64 chips de investigación Loihi, y el objetivo es que simule la capacidad de aprendizaje y la eficiencia energética del cerebro humano. Estos chips neuromórficos son una versión más simple de la forma en que funcionan las neuronas y las sinapsis en el cerebro.

Rich Uhlig, director de Intel Labs, habló sobre la nueva tecnología.

“Estamos impresionados con los resultados iniciales que se han demostrado a medida que escalamos Loihi para crear sistemas neuromórficos más potentes. Pohoiki Beach ahora estará disponible para más de 60 socios del ecosistema, que utilizarán este sistema especializado para resolver problemas complejos y intensivos en términos de cálculo”.

El nuevo chip neuromórfico de Intel puede realizar tareas de procesamiento de datos 1.000 veces más rápido que los procesadores normales, como los CPU y los GPU, mientras utiliza mucha menos energía.

La forma en que se basa en las neuronas del cerebro no es algo completamente nuevo. Muchos algoritmos de inteligencia artificial simulan redes neuronales en sus programas. Utilizan el procesamiento paralelo para reconocer objetos en imágenes y palabras en el habla. Los nuevos chips neuromórficos ponen estas redes neuronales en silicio. Aunque son menos flexibles y potentes que algunos de los mejores chips de propósito general, realmente funcionan cuando se especializan en tareas específicas. El nuevo chip de Intel es 10.000 veces más eficiente que los procesadores generales. Dado que son tan eficientes en términos de energía, la tecnología será ideal para dispositivos móviles, vehículos, equipo industrial, ciberseguridad y hogares inteligentes. Los investigadores de inteligencia artificial ya han comenzado a utilizar el sistema para cosas como mejorar las prótesis para que se adapten mejor a terrenos irregulares, así como para crear mapas digitales que se utilizarán en los coches autónomos.

Chris Eliasmith, co-CEO de Applied Brain Research y profesor de la Universidad de Waterloo, es uno de los varios investigadores que utilizan la nueva tecnología.

“Con el chip Loihi, hemos podido demostrar un consumo de energía 109 veces menor al ejecutar una benchmark de aprendizaje profundo en tiempo real en comparación con un GPU, y 5 veces menor en comparación con hardware de interfaz de IoT especializado… Incluso mejor, a medida que escalamos la red en 50 veces, Loihi mantiene los resultados de rendimiento en tiempo real y utiliza solo un 30 por ciento más de energía, mientras que el hardware de IoT utiliza un 500 por ciento más de energía y ya no es en tiempo real”, dijo Chris Eliasmith.

Konstantinos Michmizos es profesor de la Universidad de Rutgers, y su laboratorio trabaja con SLAM, que se presentará en la Conferencia Internacional de Robots y Sistemas Inteligentes (IROS) en noviembre.

“Loihi nos permitió realizar una red neuronal que imita las representaciones y el comportamiento neuronales subyacentes del cerebro. La solución SLAM surgió como una propiedad de la estructura de la red. Evaluamos la red ejecutada en Loihi y encontramos que es igual de precisa mientras consume 100 veces menos energía que un método de SLAM de CPU ampliamente utilizado para robots móviles”, dijo.

En este momento, Pohoiki Beach es un sistema de 8 millones de neuronas. Rich Uhlig, jefe de Intel Labs, cree que la empresa podrá crear un sistema que pueda simular 100 millones de neuronas para finales de 2019. Esta nueva tecnología podrá ser utilizada por investigadores para una amplia gama de cosas, como la mejora de los brazos robóticos. Estos nuevos desarrollos y investigaciones están llevando a lo que probablemente será la comercialización de la tecnología neuromórfica.

Según la empresa, “Más adelante este año, Intel presentará un sistema Loihi aún más grande llamado Pohoiki Springs, que se basará en la arquitectura de Pohoiki Beach para ofrecer un nivel sin precedentes de rendimiento y eficiencia para cargas de trabajo neuromórficas a gran escala”.