Estás leyendo la publicación: Investigadores del MIT proponen un nuevo método que utiliza la óptica para acelerar los cálculos de aprendizaje automático en altavoces inteligentes y otros dispositivos conectados de bajo consumo
Los investigadores han desarrollado una nueva técnica para realizar cálculos directamente en dispositivos domésticos inteligentes. Su método traslada las operaciones del modelo de aprendizaje automático con uso intensivo de memoria a un servidor central. Los datos se codifican en ondas de luz en lugar de enviarse a cientos de kilómetros de distancia del dispositivo.
La fibra óptica se utiliza para transferir las ondas a un dispositivo conectado, lo que permite enviar grandes cantidades de datos a través de una red a velocidades increíbles. Luego, el receptor usa un dispositivo óptico específico para calcular rápidamente los componentes del modelo entregados por esas ondas de luz.
Esta tecnología mejora significativamente la eficiencia energética en comparación con los métodos anteriores, más de cien veces. También podría mejorar la seguridad porque los datos del usuario no necesitarán enrutarse a una ubicación central para su procesamiento.
Al emplear una fracción de la energía que ahora requieren los procesadores que consumen mucha energía, esta técnica permitiría que un automóvil autónomo emitiera juicios de inmediato. También se puede usar para categorizar imágenes rápidamente en una nave espacial que viaja a millones de kilómetros de la Tierra, evaluar videos en vivo transmitidos a través de redes celulares o incluso proporcionar comunicación sin latencia entre un usuario y su dispositivo doméstico inteligente.
Hoy, el estudio fue publicado en la revista Science. Una película de largometraje completo se transmite a través de Internet cada pocos milisegundos más o menos. Los datos ingresan a su sistema a esa velocidad y puede procesar información a esa velocidad.
Reduciendo la carga de trabajo
Las redes neuronales se utilizan en el aprendizaje automático para reconocer patrones en conjuntos de datos y realizar tareas como el reconocimiento de voz y la categorización de imágenes. Las redes neuronales son capas de nodos o neuronas interconectados. Sin embargo, los parámetros de peso de estos modelos (valores numéricos que modifican los datos de entrada a medida que se procesan) pueden ascender a miles de millones de ellos. Es necesario recordar estos pesos. Al mismo tiempo, el procedimiento de traducción de datos requiere miles de millones de cálculos algebraicos, que consumen mucha energía.
Los investigadores han desarrollado un dispositivo que transfiere datos de la memoria a las partes de la computadora que realmente realizan el cálculo.
Crearon la arquitectura de red neuronal Netcast, que almacena pesos en un servidor central acoplado a una revolucionaria pieza de hardware conocida como transceptor inteligente. La tecnología fotónica de silicio utilizada por este transceptor inteligente, un receptor y transmisor de datos del tamaño de un pulgar, le permite recuperar billones de pesos de la memoria por segundo.
Los pesos se detectan como ondas de luz con señales eléctricas impresas en ellas. Al encender y apagar los láseres, el transceptor cambia los datos que han sido codificados como bits (1 y 0). Para un 1 y un 0, y viceversa, se activa un láser. Para evitar que un dispositivo cliente contacte al servidor para obtenerlas, mezcla estas ondas de luz y las envía periódicamente a través de una red de fibra óptica.
“La óptica es excelente porque ofrece una variedad de métodos para transportar datos porque los datos se pueden almacenar en una variedad de colores, lo que permite un flujo de datos y un ancho de banda mucho mayores que con dispositivos de almacenamiento electrónico como cigarrillos electrónicos o teléfonos móviles.
Billones por segundo
El dispositivo que emplea ondas de luz para realizar cálculos complejos a la velocidad de las computadoras ha sido creado por investigadores del MIT. El dispositivo Netcast utiliza muy poca energía y tiene la capacidad de multiplicarse miles de millones de veces por segundo. Alimentado por un componente óptico especial conocido como modulador “Mach-Zehnder”, que utiliza ondas de luz una vez que han llegado al dispositivo del cliente.
Netcast permitió que el aprendizaje automático funcionara rápidamente y con buena precisión (98,7 % para clasificación de imágenes y 98,8 % para identificación de dígitos) y transmitió pesos a través de una fibra de 86 kilómetros. Los investigadores tienen la intención de repetir la tecnología en el futuro para mejorar aún más el rendimiento. También buscan reducir el tamaño del receptor para que quepa en un dispositivo inteligente como un teléfono celular.
Este artículo está escrito como un artículo de resumen de investigación por el personal de Marktechpost basado en el trabajo de investigación ‘Aprendizaje profundo fotónico deslocalizado en el borde de Internet‘. Todo el crédito de esta investigación es para los investigadores de este proyecto. Revisar la papel y artículo de referencia.
Por favor no olvides unirte Nuestro subreddit de ML
Echa un vistazo a https://aitoolsclub.com para encontrar 100 de Cool AI Tools
