Avance en microchips nos acerca a la informática de borde de IA

Los investigadores de la Universidad de Princeton han desarrollado hardware y software codiseñados para aumentar aún más la velocidad y la eficiencia de los sistemas de inteligencia artificial (IA) especializados.

Naveen Verma es profesor de ingeniería eléctrica y computación en Princeton y lidera el equipo de investigación.

“El software es una parte crítica para habilitar el nuevo hardware”, dijo Verma. “La esperanza es que los diseñadores puedan seguir utilizando el mismo sistema de software y que simplemente funcione diez veces más rápido y de manera más eficiente”.

Los sistemas desarrollados por los investigadores reducen la demanda de energía y la cantidad de datos que deben intercambiarse con servidores remotos. Con esto, las aplicaciones de IA como el software de pilotaje para drones pueden tener lugar en el borde de la infraestructura de computación.

Verma también es el director del Centro de Innovación en Educación de Ingeniería de la Universidad.

“Para hacer que la IA sea accesible al proceso personal y en tiempo real que nos rodea, debemos abordar la latencia y la privacidad al mover la propia computación al borde”, dijo Verma. “Y eso requiere tanto eficiencia energética como rendimiento”.

Nueños diseños de chip

El equipo de Princeton desarrolló un nuevo diseño de chip hace dos años, y estaba destinado a mejorar el rendimiento de las redes neuronales. El chip podía realizar de 10 a 100 veces mejor que otros microchips del mercado.

“La principal desventaja del chip es que utiliza una arquitectura muy inusual y disruptiva”, dijo Verma en 2018. “Eso necesita ser reconciliado con la gran cantidad de infraestructura y metodología de diseño que tenemos y usamos hoy en día”.

El chip se refinó continuamente durante los dos años siguientes, y se creó un sistema de software para permitir que los sistemas de IA utilicen la nueva tecnología de manera eficiente. La idea era que los nuevos chips podrían permitir que los sistemas sean escalables en hardware y ejecución de software.

“Es programable en todas estas redes”, dijo Verma. “Las redes pueden ser muy grandes y pueden ser muy pequeñas”.

El mejor escenario para la computación es que tenga lugar en la propia tecnología, en lugar de en una computadora de red remota. Sin embargo, esto requiere grandes cantidades de energía y almacenamiento de memoria, lo que hace que sea difícil diseñar tal sistema.

Para superar estas limitaciones, los investigadores diseñaron un chip que realiza cálculos y almacena datos en el mismo área, lo que se llama computación en memoria. Esta técnica reduce la energía y el tiempo necesarios para intercambiar información con la memoria dedicada.

Para evitar la operación analógica, que es necesaria para la computación en memoria y es sensible a la corrupción, el equipo se basó en condensadores en lugar de transistores en el diseño del chip. Los condensadores no se ven afectados por los cambios en el voltaje y son más precisos.

A pesar de los diversos desafíos que rodean a los sistemas analógicos, estos llevan muchas ventajas cuando se utilizan para aplicaciones como las redes neuronales. Los investigadores ahora buscan combinar los dos tipos de sistemas, ya que los sistemas digitales son centrales mientras que las redes neuronales que confían en chips analógicos pueden ejecutar operaciones especializadas de manera rápida y eficiente.