jueves, junio 13

Mike Davies, Intel Labs: “Si vamos al límite de lo que la informática básica puede proporcionar”

El constante aumento del tráfico de datos (un 22% más que el año pasado en relación a 2022, según DE-CIX) y las nuevas necesidades computacionales de la inteligencia artificial están acercando a los sistemas convencionales a sus límites. Si se necesitan nuevas fórmulas y el cálculo cuantitativo aún no es una alternativa. La empresa de electrónica Intel es una de las más avanzadas en el desarrollo de sistemas neuromórficos, una combinación de biología y tecnología que busca imitar la forma en que los humanos serios procesan la información. Junto a ella, en este camino hacia un proceso más eficaz y eficiente, ejecute IBM, Qualcomm y centros de investigación como el Instituto de Tecnología de California (Caltech)donde nació esta concepción de la mano de Carver Mead, el MIT (Instituto Tecnológico de Massachusetts)el Instituto Max Planck de Neurobiología en Alemania y el Universidad Stanford.

Intel anunció este mes el sistema neuromórfico más grande del mundo: Punto Halacon 1.150 millones de neuronas tecnológicas y 1.152 procesadores (papas fritas) Loihi 2 que consume un máximo de 2.600 vatios y con una capacidad de procesamiento equivalente al cerebro de un buho. Un estudio publicado en Exploración IEEE Los atributos más eficientes y de rendimiento son los sistemas basados ​​en unidades centrales de procesamiento (CPU) y gráficos (GPU), motores de computación convencionales.

Mike Davies, nativo de Dallas que cumplió 48 años en julio, es director de computación neurológica en Intel Labs y en gran parte responsable de los últimos avances en lo que explora el futuro inmediato de la computación.

Pedido. ¿Qué es un sistema neuromórfico?

Respuesta. Es un diseño computacional que se inspira en la comprensión moderna de cómo funciona el cerebro y que supone superar su mundo en estas décadas de arquitectura convencional. Desde una perspectiva básica, intentamos comprender los principios de la neurociencia moderna y aplicarlos. papas fritas y sistemas con el objetivo de crear algo que opere y procese información de la manera más similar a cómo funciona un cerebro.

PAG. ¿Como funciona?

r. Si abres el sistema, los chips, tus diferencias son muy importantes en el sentido de que no hay memoria; Todos los elementos de cálculo, proceso y memoria están integrados entre sí. Nuestro sistema Hala Point, por ejemplo, es un chip rojo tridimensional similar a un cerebro, y todo se comunica con todo, como una neurona se comunica a través del cerebro con otro conjunto de neuronas conectadas. En un sistema tradicional, tienes memoria al lado de un procesador y continuamente se encuentra fuera de la memoria.

PAG. ¿Es necesario este modelo porque estamos superando el límite de la computación convencional?

r. Estás logrando grandes avances en inteligencia artificial y aprendizaje profundo. Es muy emocionante, pero es difícil ver cómo continuar con estas tendencias de investigación cuando el aumento de los requisitos computacionales para estos modelos de IA está creciendo exponencialmente, es decir, mucho más rápido que el progreso de la fabricación. Está llegando al límite de lo que esta arquitectura informática básica puede proporcionar. Además, si nos centramos únicamente en la eficiencia energética de estos chips y sistemas de IA tradicionales en comparación con el cerebro, hay muchos órdenes de magnitud de diferencia. No es tanto que las arquitecturas informáticas tradicionales no puedan proporcionar grandes beneficios en computación e inteligencia artificial, sino que buscamos una mayor funcionalidad, tener computadoras que funcionen como el cerebro y que lo hagan de manera muy eficiente.

PAG. ¿Es la eficiencia energética la principal ventaja?

r. Es uno de los principales. Existe una gran diferencia en la eficiencia del cerebro y la informática tradicional. Pero las arquitecturas neuromórficas inspiradas en el cerebro también pueden ofrecer beneficios de rendimiento. Pensamos en la GPU como un dispositivo con un rendimiento increíblemente alto, pero, de hecho, solo si tiene un tamaño muy grande y una gran cantidad de datos para procesar los datos disponibles en el disco o directamente en el lado del procesador para poder leer. Pero si los datos se conectan a sensores, cámaras o vídeo en tiempo real, entonces la eficiencia y potencia de las arquitecturas tradicionales son mucho menores. Esta es la razón por la que las arquitecturas neuromórficas pueden proporcionar un gran aumento en la velocidad, así como en la eficiencia.

PAG. ¿La inteligencia artificial necesita un sistema neuromórfico para crecer?

r. Creemos que sí. Pero estamos en un nivel de investigación. Hoy en día no está claro cómo implementar esto comercialmente. También quedan muchos problemas por resolver en lo que respecta a Software [programación], los algoritmos. Muchas intervenciones convencionales no se realizan en formato nativo hardware [equipos] neuromórfico porque es un enfoque de programación diferente. Creemos que este es el camino correcto para obtener las ganancias que necesitamos en eficiencia energética y rendimiento para este tipo de carga de trabajo, pero aún responde a una pregunta abierta.

PAG. ¿Tenemos un chip neuromórfico en una computadora o en un teléfono móvil?

R. Creo que sí, es cuestión de tiempo. No será el año que viene, pero la tecnología se fortalecerá y se implementará. cálculo del perímetro [procesamiento de datos cerca de su origen para ganar velocidad y eficiencia], muebles, vehículos autónomos, drones o en tu portátil. Nuestro Hala Point, diseñado para un centro de datos, es un recinto grande del tamaño de un microondas. Pero, si miramos la naturaleza, vemos que hay cerebros de todos los tamaños. Los insectos son muy impresionantes, incluso a pequeña escala. Y donde, sobre todo, está el cerebro humano. Estamos siguiendo ambas direcciones en la investigación. Creemos que la comercialización comenzará en cálculo del perímetropero es necesario seguir utilizando y realizando investigaciones a gran escala.

PAG. ¿Cuándo serán?

r. Es difícil de predecir porque hoy hay preguntas abiertas durante la investigación. En los centros de datos podremos ver estos sistemas dentro de cinco años. También tenemos futuro en todo lo que necesita funcionar con batería, ya que el consumo energético que puede ofrecer un sistema neuromórfico es sumamente importante. También existen aplicaciones de algoritmos menos obvias, como estaciones base inalámbricas para infraestructura telefónica. Estamos trabajando con Ericsson para optimizar los canales de comunicación.

PAG. ¿El cálculo con sistemas neuromórficos es complementario a la cantidad?

r. Creo que son complementarios en algunos aspectos, aunque sean muy diferentes. La computación cuantitativa busca innovación en la fabricación de dispositivos físicos y el proceso de escalado. El que se ofrece es muy nuevo e impresionante, pero no está claro cuál será la cantidad de modelo de programación una vez que se pueda aumentar y qué tipo de carga soportará. La computación neuromorfológica disponible hoy en día es muy útil para el tipo de carga de trabajo de IA. Pero hay una intersección en el espacio de aplicación entre la mecánica y la neuropatía y ahí es donde es interesante pensar en resolver problemas de optimización difíciles y permitir a las personas experimentar, crear prototipos y aprender a programar este tipo de sistema.

PAG. ¿Podríamos ver sistemas neuromórficos instalados en nuestro cerebro?

r. Hay algunos investigadores interesados ​​en las neuroprótesis, la aplicación de la computación neuromórfica, que consiste en tratar problemas o patologías del cerebro en las que ha tenido cierta pérdida de funcionamiento y renuncia al control sobre su cuerpo. La investigación está en una época temporal, pero creo que, en términos generales, es una aplicación muy natural de la computación neuromorfológica porque, si es una arquitectura que se comporta como neuronas, naturalmente hablará el lenguaje de nuestro cerebro.

PAG. Los sistemas disponibles, ¿qué equivalen a cerebros?

r. En cuanto al número de neuronas, es similar al cerebro del cerebro. Pero si nos fijáramos en el área del cerebro donde se produce gran parte de la inteligencia de orden superior, equivaldría a un mono capuchino. Muchos de nosotros en este campo de investigación tenemos en mente el cerebro humano como una especie de visión de la escala del sistema que nos gustaría construir. Pero no estamos en el negocio de asumir una carga demasiado rápido. Tenemos que construirlo bien y saber cómo hacerlo útil. Por lo tanto este sistema sigue proporcionando una herramienta de investigación para que podamos seguir experimentando.

PAG. ¿Por qué en casos concretos estos sistemas son más eficaces?

r. A la hora de encontrar la mejor ruta en un mapa vemos aceleraciones de hasta 50 veces respecto a las mejores soluciones convencionales. En la terminal energética se están alcanzando niveles 1.000 veces más eficientes.

PAG. ¿Podremos demostrar que Europa es la nueva línea para ponerse al día en la carrera de los chips, ya que depende de otros continentes?

r. Al mirar hacia el futuro, tenemos mucha innovación que necesitaremos en un amplio espacio para mejorar la escala y la eficiencia de la naturaleza, que sigue siendo increíblemente impresionante. Hoy en día queda un largo camino por recorrer y seguir para lograr toda la innovación que necesitamos en la fabricación. Es necesario que haya nuevos dispositivos y nuevas tecnologías de memoria para asimilarlos en el cerebro. Ahora no hay ninguna región geográfica con ventajas en este ámbito, porque es una oportunidad. La alta tecnología siempre implica innovación y nada permanente. Hay una necesidad de nuevos avances y es impredecible de dónde pueden venir.

Deja una respuesta