TekCrispyTekCrispy
  • Ciencia
    • Historia
    • Perfiles
  • Tecnología
    • Software
    • Móviles
    • Herramientas Web
    • Redes Sociales
  • Cultura Digital
    • Cine y TV
    • Videojuegos
  • Análisis
Selección del Editor

¿Por qué la ciencia quiere convertir las moléculas de ADN en música?

May 17, 2022

Científicos usarán a “Sonic el erizo” para tratar las lesiones de huesos grandes

May 17, 2022

¿Quién posee los derechos legales sobre la imagen y el nombre de Einstein?

May 17, 2022

Más filtraciones sobre la WWDC 2022: ¿qué traerá iOS 16?

May 17, 2022
Facebook Twitter Instagram TikTok Telegrama
TekCrispyTekCrispy
  • Ciencia

    ¿Por qué la ciencia quiere convertir las moléculas de ADN en música?

    May 17, 2022

    Científicos usarán a “Sonic el erizo” para tratar las lesiones de huesos grandes

    May 17, 2022

    ¿Quién posee los derechos legales sobre la imagen y el nombre de Einstein?

    May 17, 2022

    ¿Los Homo sapiens son superiores a los humanos primitivos, o solo arrogantes?

    May 16, 2022

    ¿Cómo influye la salud mental en los juicios penales?

    May 16, 2022
  • Tecnología

    Más filtraciones sobre la WWDC 2022: ¿qué traerá iOS 16?

    May 17, 2022

    Madre alega que un desafío de TikTok llevó a su hija a la muerte

    May 16, 2022

    ¿Qué le espera a iOS 15.5?

    May 16, 2022

    Así puedes ver tu historial de reportes en Instagram

    May 16, 2022

    ¿Quieres cancelar el envío de un correo electrónico en Outlook? Aquí te enseñamos paso a paso

    May 16, 2022
  • Cultura Digital

    “The Mandalorian” y “Avatar 2”: la tecnología en el cine que solo busca conmovernos

    May 15, 2022

    ¿Cómo ganar vistas en YouTube en 2022?

    May 6, 2022

    Netflix implementa un impuesto de culpabilidad para quienes comparten contraseñas

    Mar 17, 2022

    Declarando, la gestoría 100% online que está revolucionando el sector

    Mar 11, 2022

    Científicos cuentan cómo los juegos de carreras desarrollan a los niños

    Mar 1, 2022
Facebook Twitter Instagram TikTok
TekCrispyTekCrispy
Nuevas Tecnologías

IBM desarrolla chip para acelerar el entrenamiento de redes neuronales

Por Jorge QuijijeJun 29, 20183 minutos de lectura
Compartir
Facebook Twitter Email Telegrama WhatsApp

Los recientes avances en el uso del aprendizaje automático en una variada gama de aplicaciones han propiciado que la aceleración de la Inteligencia Artificial (IA) sea un elemento cada vez más importante en dentro de nuestra sociedad.

Gracias a la llegada de procesadores gráficos y los avances en el sector de la informática distribuida, la optimización de los sistemas basados en IA es mucho más sencilla que hace apenas algunos años. Sin embargo, este hardware no es totalmente eficiente, ya que incluso las GPUs de gran potencia pueden tardar un tiempo considerable en entrenar redes neuronales.

Los investigadores de IBM han estado construyendo una línea de aceleradores de hardware de IA para satisfacer esta demanda. En este sentido, han desarrollado un chip hecho a medida para el entrenamiento de IA.

En un estudio publicado en la revista Nature, se describe un sistema de transistores y capacitores que son capaces de entrenar redes neuronales de manera rápida, con precisión y con un alto nivel de eficiencia en relación al consumo de energía.

Las redes neuronales se basan en unidades interconectadas, llamadas nodos o neuronas, que reciben entradas numéricas. En el caso de una red común, estos nodos multiplican dichas entradas por un valor, un peso, y las transfieren a una función de activación, la cual define la salida del nodo. Gracias a un método conocido como retropropagación, los pesos son ajustados con el tiempo y esto mejora la precisión de las salidas.

Ahora bien, las GPUs son ideales en este proceso, debido a que procesa datos de manera secuencial, a diferencia de un procesador tradicional. Asimismo, son capaces de realizar una gran cantidad de cálculos simultáneamente.

Lo único negativo es que la distancia entre el procesador y la memoria de los chips es muy amplia en la placa base, lo que conduce a retrasos en el proceso mientras los datos van y vienen.

IBM quiere resolver este problema, que se traduce en un mayor consumo energético por parte de los ordenadores convencionales. En este sentido, Stefano Ambrogio, investigador de IBM, ha revelado la solución, y consiste básicamente en una memoria analógica y componentes electrónicos tradicionales.

En su investigación, los expertos de IBM utilizaron una combinación de PCM (unidad de memoria de cambio de fase) de hardware y componentes simulados por software para comparar el diseño de su chip, lo que según el documento, ha traído resultados prometedores.

Durante las pruebas, el chip construido por IBM realizó 10 veces más cálculos por milímetro cuadrado que una GPU utilizando 280 veces menos energía. De hecho, esta velocidad coincidía con la precisión del aprendizaje automático TensorFlow de Google en diversas tareas de visión por computadora.

Los chips de IBM para IA no están optimizados para redes neuronales que no estén totalmente conectadas, pero los investigadores afirmaron que están trabajando en este contexto.

Referencia: Equivalent-accuracy accelerated neural-network training using analogue memory. Naturevolume 558, pages60–67 (2018). DOI: https://doi.org/10.1038/s41586-018-0180-5.

Chips IBM Inteligencia Artificial Redes Neuronales

Artículos Relacionados

Esto es lo que puede pasar al fusionar el cerebro humano con las computadoras

5 maneras en que la IA y el machine learning pueden ser útiles en medicina

Estudiar el comportamiento animal podría volverse una tarea más sencilla gracias a este algoritmo

Añadir un comentario

Dejar una respuesta Cancelar respuesta

Selección del Editor

Estas son las imágenes del primer eclipse lunar de 2022

May 16, 2022

Madre alega que un desafío de TikTok llevó a su hija a la muerte

May 16, 2022

¿Los videojuegos aumentan la inteligencia de los niños?

May 16, 2022

Shirley Ann Jackson, inventora del identificador de llamadas

May 7, 2022
Síguenos en las redes
  • Facebook
  • Twitter
  • Instagram
  • TikTok
Facebook Twitter Instagram LinkedIn TikTok
  • Publicidad
  • Contacto
  • Política de Privacidad
  • Acerca de TekCrispy
© 2022 CRISPYMEDIA LLC. DERECHOS RESERVADOS.

Escriba arriba y pulse Enter para buscar. Pulse Esc para cancelar.