La Revolución de la Inteligencia Artificial Podría Estar en la Fotónica
Luminous Computing IA inteligencia artificial

La Revolución de la Inteligencia Artificial Podría Estar en la Fotónica

Maia Mulko
Maia Mulko

La empresa emergente Luminous Computing desarrolló un chip que utiliza luz en vez de electrones para procesar los datos de las IA, con el fin de hacerlo más rápidamente, con mayor eficiencia y menor consumo de energía. El avance promete superar el efecto “cuello de botella” que limita el hardware de los modelos de IA actuales, los cuales contienen los chips eléctricos clásicos, cada vez más insuficientes para estas aplicaciones.

¿Qué es (y Por Qué) Luminous Computing?

En 2019, el proyecto de Marcus Gómez (ex investigador de Google, Tinder, Clínica Mayo, Stanford y la Escuela de Medicina de Harvard), Michael Gao (ganador de las olimpiadas de matemáticas en Estados Unidos y anterior CEO de AlphaSheets), y Mitchell Nahmias (pionero en el campo de la fotónica neuromórfica), fue respaldado por líderes tecnológicos como Bill Gates, Dara Khosrowshahi (CEO de Uber), Ali Partovi de NEO, y Luke Nosek y Steve Oskoui de Gigafund.

En total,  los fundadores de Luminous Computing (que no tienen más de siete empleados bajo su mando) reunieron alrededor de 9 millones de dólares para avanzar en la posible solución al problema de la potencia computacional de los procesadores convencionales, que no permite un machine learning lo suficientemente veloz y, así, retrasa la evolución de la robótica, los vehículos autónomos y otras aplicaciones de la IA (desde las más grandes hasta las más pequeñas, como los asistentes de voz del estilo de Siri, que vienen en cualquier smartphone).

Anuncio

Upcloud: Los servidores más rápidos del mundo. Reciba un crédito de $25 USD. (Aplican términos, sujeto a cambiar)

Siguiendo los principios de la comunicación láser, los científicos de Luminous emplearon la luz en un modelo de machine learning basado en redes neuronales. Estas redes procesan los datos en varias capas computacionales con nodos interconectados que buscan patrones en esos datos y devuelven una señal o respuesta, de manera similar a como lo hacen las neuronas de nuestro cerebro. Así, los datos se propagan para que la red “aprenda” y la última capa genera una predicción basada en los cálculos que realizó a través de las demás capas.

La microelectrónica de silicio tiene un banco de memoria que almacena datos e instrucciones en un bus multiplexado compartido, lo que impide la accesibilidad simultánea a ambas cosas. Ahí es donde se produce el “cuello de botella”, explican Nahmias y otros autores en la investigación más reciente.

A su vez, ese “cuello de botella” empeora cada vez más, según un estudio de OpenAI en el que estiman que la potencia computacional requerida para entrenar a las inteligencias artificiales más grandes debería duplicarse cada tres o cuatro meses (contra los dos años que pronosticaba la famosa ley de Moore).

Usos Nuevos para Algo "Viejo"

Hace tiempo que se cree que la comunicación láser puede resolver estos problemas  de cuello de botella (¿qué es, acaso, la fibra óptica, y por qué es tan popular?).

Las guías de onda de la fotónica, es decir, las minúsculas estructuras que conducen la luz dentro del chip, proveen canales multiplexados (es decir, capaces de combinar dos o más señales en el mismo canal de transmisión), con menor fluctuación de retardo, distorsión e interferencia.

Los primeros chips fotónicos se desarrollaron para la informática cuántica en 2015, y para memorias que, a través de la luz, llegaron a almacenar hasta 8 bits en un mismo lugar (también en 2015). Pero hasta ahora no se había creado un chip de este tipo para implementar redes neuronales en modelos de inteligencia artificial, con el objetivo de estimular un aprendizaje más rápido (el plan es pasar de días a sólo minutos) mediante operaciones fotónicas lineales, que ofrecen diferencias sustanciales a favor de la densidad de transferencia de datos o ancho de banda, latencia y consumo de energía (el prototipo la aprovecha hasta tres veces más que otros chips).

Es la primera vez, también, que un chip amenaza con superar (e incluso suplir) a la Unidad de Procesamiento Tensorial (TPU) de Google, un circuito integrado a moviliza las inteligencias artificiales a mayor velocidad y fomenta el machine learning con redes neuronales de forma completamente automática.

¿Hacia el futuro?

Cierto es que Luminous no es la única compañía dedicada a los chips fotónicos. Desde hace tiempo, tiene competencia.

Lightmatter, por ejemplo, es una empresa de Boston que también cuenta con grandes inversores, que la dotaron con un fondo de, aproximadamente, 33 millones de dólares, para incentivar el desarrollo de nuevo hardware para las IA con el foco puesto en la tecnología láser.

Es su consejero técnico y profesor del MIT, Dirk Englund, quien afirma que será todo un desafío producir chip fotónicos a gran escala, debido a todos los dispositivos que se necesitan para manipular y controlar la luz de manera adecuada: fundamentalmente, láseres y moduladores electro-ópticos.

Por lo tanto, habrá que esperar un tiempo más para que estos chips comiencen a utilizarse de manera regular en las inteligencias artificiales, y las ayuden a alcanzar su verdadero potencial en la práctica.

Anuncio

Analítica Web Sin Uso de Cookies Que Protege la Privacidad




Join the conversation.


© 2021 Terraflow LLC - Information - Series 2. Todos los derechos reservados. El contenido y las representaciones en este sitio son solamente para própositos informacionales y no se considerán ni consejos de inversión, ni consejos legales, consejos médicos, ni solicitaciones para invertir.