Un equipo internacional de científicos de la Universidad Tecnológica de Eindhoven, Universidad de Texas en Austin, y la Universidad de Derby, ha desarrollado un método revolucionario que acelera cuadráticamente los algoritmos de entrenamiento de inteligencia artificial (IA). Esto brinda capacidad de inteligencia artificial completa a computadoras económicas, y permitiría en uno o dos años que las supercomputadoras utilicen Redes Neuronales Artificiales que superan cuadráticamente las posibilidades de las redes neuronales artificiales actuales. Los científicos presentaron su método el 19 de junio en la revista Comunicaciones de la naturaleza .

Las redes neuronales artificiales (o ANN) están en el corazón de la revolución de la inteligencia artificial que está dando forma a todos los aspectos de la sociedad y la tecnología. Pero las RNA que hemos podido manejar hasta ahora no están ni cerca de resolver problemas muy complejos. Las últimas supercomputadoras lucharían con una red de 16 millones de neuronas (casi del tamaño de un cerebro de rana), mientras que una potente computadora de escritorio tardaría más de una docena de días en entrenar a solo 100, 000-red de neuronas.

Medicina personalizada

El método propuesto, denominado Entrenamiento Evolutivo Escaso (SET), se inspira en las redes biológicas y, en particular, en las redes neuronales que deben su eficiencia a tres características simples:las redes tienen relativamente pocas conexiones (escasez), pocos ejes (ausencia de escala) y caminos cortos (pequeñez). El trabajo reportado en Comunicaciones de la naturaleza demuestra los beneficios de alejarse de las ANN completamente conectadas (como se hace en la IA común), mediante la introducción de un nuevo procedimiento de entrenamiento que comienza con un red dispersa y evoluciona iterativamente hacia un sistema sin escala. En cada paso, las conexiones más débiles se eliminan y se agregan nuevos enlaces al azar, de manera similar a un proceso biológico conocido como encogimiento sináptico.

El sorprendente efecto de aceleración de este método tiene una enorme importancia, ya que permitirá la aplicación de IA a problemas que actualmente no son tratables debido a la gran cantidad de parámetros. Los ejemplos incluyen la medicina personalizada asequible y los sistemas complejos. En complejo, entornos que cambian rápidamente, como redes inteligentes y sistemas sociales, cuando se requiera un reentrenamiento frecuente sobre la marcha de una RNA, Las mejoras en la velocidad de aprendizaje (sin comprometer la precisión) son esenciales. Además, debido a que dicha formación se puede lograr con recursos informáticos limitados, el método SET propuesto será el preferido para las inteligencias integradas de los muchos dispositivos distribuidos conectados a un sistema más grande.

Cerebro de rana

Por lo tanto, concretamente, con SET, cualquier usuario puede construir en su propia computadora portátil una red neuronal artificial de hasta 1 millón de neuronas, mientras que con los métodos más avanzados, esto se reservaba solo para costosas nubes de computación. Esto no significa que las nubes ya no sean útiles. Son. Imagínese lo que puede construir sobre ellos con SET. Actualmente, las redes neuronales artificiales más grandes, construido sobre supercomputadoras, tienen el tamaño de un cerebro de rana (alrededor de 16 millones de neuronas). Después de superar algunos desafíos técnicos, con SET, podemos construir sobre las mismas supercomputadoras redes neuronales artificiales cercanas al tamaño del cerebro humano (alrededor de 80 mil millones de neuronas).

El autor principal, el Dr. Decebal Mocanu:"Y, sí, necesitamos redes tan grandes. Fue mostrado, por ejemplo, que las redes neuronales artificiales son buenas para detectar el cáncer a partir de genes humanos. Sin embargo, los cromosomas completos son demasiado grandes para caber en las redes neuronales artificiales de última generación, pero podrían caber en una red de 80 mil millones de neuronas. Este hecho puede conducir hipotéticamente a una mejor atención médica y una medicina personalizada asequible para todos nosotros ".