¿Es el enfoque de IA inspirado en el cerebro de Intel Labs el futuro del aprendizaje robótico?
¿No pudiste asistir a Transform 2022? ¡Vea todas las sesiones de la cumbre en nuestra biblioteca a pedido ahora! Mira aquí.
Les systèmes informatiques peuvent-ils se développer au point de pouvoir penser de manière créative, identifier des personnes ou des éléments qu'ils n'ont jamais vus auparavant et s'adapter en conséquence, tout en travaillant plus efficacement, avec moins de potencia ? Intel Labs está apostando por ello, con un nuevo enfoque de hardware y software que utiliza computación neuromórfica que, según una publicación reciente en un blog, "utiliza nuevos enfoques algorítmicos que emulan cómo el cerebro humano interactúa con el mundo para ofrecer habilidades más cercanas a la cognición humana". . ”
Si bien puede sonar futurista, la investigación de computación neuromórfica de Intel ya está fomentando algunos casos de uso interesantes, que incluyen cómo agregar nuevos comandos de interacción de voz a los vehículos Mercedes-Benz; crear una mano robótica que entregue medicamentos a los pacientes; o desarrollar chips que reconozcan productos químicos peligrosos.
Un nuevo enfoque de los límites de capacidadLos sistemas basados en el aprendizaje automático, como los automóviles autónomos, la robótica, los drones y otras tecnologías autónomas, dependen de chips de procesamiento cada vez más pequeños, más potentes y más eficientes desde el punto de vista energético. Aunque los semiconductores tradicionales ahora están llegando a sus límites de miniaturización y capacidad de potencia, los expertos están convencidos de que se necesita un nuevo enfoque para el diseño de semiconductores.
Una opción intrigante que ha despertado la curiosidad de las empresas tecnológicas es la computación neuromórfica. Según Gartner, las tecnologías informáticas tradicionales basadas en la arquitectura de semiconductores heredada chocarán contra un muro digital para 2025. Esto forzará cambios a nuevos paradigmas, como la computación neuromórfica, que imita la física del cerebro y el sistema nervioso. ), es decir, los picos de las neuronas electrónicas individuales activan otras neuronas en una cadena en cascada.
EventoMetaBeat 2022
MetaBeat reunirá a líderes de opinión para asesorar sobre cómo la tecnología del metaverso transformará la forma en que todas las industrias se comunican y hacen negocios el 4 de octubre en San Francisco, CA.
registrarse aquíLa computación neuromórfica permitirá una visión rápida y una planificación del movimiento de bajo consumo, dijo a VentureBeat por correo electrónico Yulia Sandamirskaya, científica investigadora de Intel Labs en Múnich. "Estos son los principales cuellos de botella para permitir que los robots seguros y ágiles puedan dirigir sus acciones a objetos en entornos dinámicos del mundo real".
Además, la computación neuromórfica "amplía el espacio de los algoritmos basados en redes neuronales", explicó. Al ubicar la memoria y el cómputo en un solo chip, permite el procesamiento de señales con eficiencia energética y permite el aprendizaje continuo en el chip.
Una talla no sirve para todos en la informática de IAA medida que el espacio de la IA se vuelve cada vez más complejo, una sola solución no puede abordar de manera óptima las limitaciones únicas de cada entorno en todo el espectro de la IA computacional.
"La computación neuromórfica podría ofrecer una alternativa convincente a los aceleradores de IA tradicionales al mejorar drásticamente la energía y la eficiencia de los datos para casos de uso de IA más complejos, que van desde centros de datos hasta aplicaciones extremas", dijo Sandamirskaya.
La computación neuromórfica es bastante similar a cómo el cerebro transmite y recibe señales de las neuronas biológicas que desencadenan o identifican movimientos y sensaciones en nuestro cuerpo. Sin embargo, en comparación con los enfoques tradicionales, donde los sistemas orquestan el cálculo en términos binarios estrictos, los chips neuromórficos calculan de forma más flexible y amplia. Además, al reasignar constantemente las redes neuronales, los SNN imitan el aprendizaje natural, lo que permite que la arquitectura neuromórfica tome decisiones en respuesta a los patrones aprendidos con el tiempo.
¿No pudiste asistir a Transform 2022? ¡Vea todas las sesiones de la cumbre en nuestra biblioteca a pedido ahora! Mira aquí.
Les systèmes informatiques peuvent-ils se développer au point de pouvoir penser de manière créative, identifier des personnes ou des éléments qu'ils n'ont jamais vus auparavant et s'adapter en conséquence, tout en travaillant plus efficacement, avec moins de potencia ? Intel Labs está apostando por ello, con un nuevo enfoque de hardware y software que utiliza computación neuromórfica que, según una publicación reciente en un blog, "utiliza nuevos enfoques algorítmicos que emulan cómo el cerebro humano interactúa con el mundo para ofrecer habilidades más cercanas a la cognición humana". . ”
Si bien puede sonar futurista, la investigación de computación neuromórfica de Intel ya está fomentando algunos casos de uso interesantes, que incluyen cómo agregar nuevos comandos de interacción de voz a los vehículos Mercedes-Benz; crear una mano robótica que entregue medicamentos a los pacientes; o desarrollar chips que reconozcan productos químicos peligrosos.
Un nuevo enfoque de los límites de capacidadLos sistemas basados en el aprendizaje automático, como los automóviles autónomos, la robótica, los drones y otras tecnologías autónomas, dependen de chips de procesamiento cada vez más pequeños, más potentes y más eficientes desde el punto de vista energético. Aunque los semiconductores tradicionales ahora están llegando a sus límites de miniaturización y capacidad de potencia, los expertos están convencidos de que se necesita un nuevo enfoque para el diseño de semiconductores.
Una opción intrigante que ha despertado la curiosidad de las empresas tecnológicas es la computación neuromórfica. Según Gartner, las tecnologías informáticas tradicionales basadas en la arquitectura de semiconductores heredada chocarán contra un muro digital para 2025. Esto forzará cambios a nuevos paradigmas, como la computación neuromórfica, que imita la física del cerebro y el sistema nervioso. ), es decir, los picos de las neuronas electrónicas individuales activan otras neuronas en una cadena en cascada.
EventoMetaBeat 2022
MetaBeat reunirá a líderes de opinión para asesorar sobre cómo la tecnología del metaverso transformará la forma en que todas las industrias se comunican y hacen negocios el 4 de octubre en San Francisco, CA.
registrarse aquíLa computación neuromórfica permitirá una visión rápida y una planificación del movimiento de bajo consumo, dijo a VentureBeat por correo electrónico Yulia Sandamirskaya, científica investigadora de Intel Labs en Múnich. "Estos son los principales cuellos de botella para permitir que los robots seguros y ágiles puedan dirigir sus acciones a objetos en entornos dinámicos del mundo real".
Además, la computación neuromórfica "amplía el espacio de los algoritmos basados en redes neuronales", explicó. Al ubicar la memoria y el cómputo en un solo chip, permite el procesamiento de señales con eficiencia energética y permite el aprendizaje continuo en el chip.
Una talla no sirve para todos en la informática de IAA medida que el espacio de la IA se vuelve cada vez más complejo, una sola solución no puede abordar de manera óptima las limitaciones únicas de cada entorno en todo el espectro de la IA computacional.
"La computación neuromórfica podría ofrecer una alternativa convincente a los aceleradores de IA tradicionales al mejorar drásticamente la energía y la eficiencia de los datos para casos de uso de IA más complejos, que van desde centros de datos hasta aplicaciones extremas", dijo Sandamirskaya.
La computación neuromórfica es bastante similar a cómo el cerebro transmite y recibe señales de las neuronas biológicas que desencadenan o identifican movimientos y sensaciones en nuestro cuerpo. Sin embargo, en comparación con los enfoques tradicionales, donde los sistemas orquestan el cálculo en términos binarios estrictos, los chips neuromórficos calculan de forma más flexible y amplia. Además, al reasignar constantemente las redes neuronales, los SNN imitan el aprendizaje natural, lo que permite que la arquitectura neuromórfica tome decisiones en respuesta a los patrones aprendidos con el tiempo.
What's Your Reaction?
