Nuevo algoritmo de aprendizaje ampliará las aplicaciones de la inteligencia artificial

El alto consumo de energía de las actividades de aprendizaje de las redes neuronales artificiales es uno de los mayores obstáculos para el uso generalizado de la Inteligencia Artificial (IA), especialmente en las aplicaciones móviles. Se puede deducir un método para resolver este problema a partir de lo que conocemos sobre el cerebro humano. Aunque tiene la potencia de computación de una supercomputadora, el cerebro solo necesita 20 vatios, que es apenas una millonésima parte de la energía de una supercomputadora. Una de las razones de esto es la eficiente transferencia de información entre las neuronas del cerebro. Las neuronas envían cortos impulsos eléctricos a otras neuronas (picos), pero, para ahorrar energía, solo lo hacen tan a menudo como sea absolutamente necesario. Un grupo de trabajo dirigido por dos científicos informáticos, Wolfgang Maass y Robert Legenstein, de la Universidad Técnica de Graz ha adoptado ahora este principio en el desarrollo de un nuevo algoritmo de aprendizaje automático. Los investigadores del Instituto de Informática Teórica, que también forma parte del proyecto europeo Human Brain Project, utilizan picos en su modelo para la comunicación entre neuronas en una red neuronal artificial. Los picos solo se activan cuando son necesarios para el procesamiento de la información en la red. El aprendizaje es un desafío particular para esas redes menos activas, ya que se necesitan observaciones más largas para determinar qué conexiones de neuronas mejoran el rendimiento de la red. Los métodos anteriores no tuvieron mucho éxito en el aprendizaje o requirieron un enorme espacio de almacenamiento. El nuevo sistema resuelve este problema mediante un método descentralizado copiado del cerebro, en el que cada neurona documenta cuándo se utilizaron sus conexiones. El método es aproximadamente tan poderoso como los mejores y más elaborados métodos de aprendizaje conocidos. Los detalles se han publicado ahora en la revista científica Nature Communications. Con muchas de las técnicas de aprendizaje automático que se utilizan actualmente, todas las actividades de la red se almacenan de forma centralizada y fuera de línea a fin de rastrear cada pocos pasos cómo se utilizaron las conexiones durante los cálculos. Sin embargo, esto requiere una constante transferencia de datos entre la memoria y los procesadores, una de las principales razones del excesivo consumo de energía de las actuales implementaciones de inteligencia artificial. El nuevo sistema, por otra parte, funciona completamente en línea y no requiere una memoria separada ni siquiera en la operación real, lo que hace que el aprendizaje sea mucho más eficiente desde el punto de vista energético.

Fuente: NCYT