Aviso sobre el Uso de cookies: Utilizamos cookies propias y de terceros para mejorar la experiencia del lector y ofrecer contenidos de interés. Si continúa navegando entendemos que usted acepta nuestra política de cookies. Ver nuestra Política de Privacidad y Cookies
Tienes activado un bloqueador de publicidad

Intentamos presentarte publicidad respetuosa con el lector, que además ayuda a mantener este medio de comunicación y ofrecerte información de calidad.

Por eso te pedimos que nos apoyes y desactives el bloqueador de anuncios. Gracias.

Continuar...

Lunes, 8 febrero 2016
Ingeniería

Chip de inteligencia artificial con bajo consumo: computación sofisticada en el teléfono móvil

Durante los últimos años han aparecido algunos de los más emocionantes avances en inteligencia artificial, como fruto de las redes neuronales convolucionales, grandes redes virtuales de unidades simples de procesamiento de información, que han sido modeladas ligeramente con arreglo a la anatomía del cerebro humano.

 

Las redes neurales se montan habitualmente usando unidades de procesamiento de gráficos (GPUs), chips especializados en gráficos que encontramos en todos los dispositivos de computación con pantallas. Una GPU móvil, del tipo encontrado en un teléfono celular, podría tener casi 200 núcleos o unidades de procesamiento, lo que la hace muy adecuada para simular una red de procesadores distribuidos.

 

El equipo de Vivienne Sze, del Instituto Tecnológico de Massachusetts (MIT) en Cambridge, Estados Unidos, ha presentado un nuevo chip diseñado específicamente para poner en práctica redes neurales. Es 10 veces más eficiente que una GPU móvil, de manera que podría permitir que los dispositivos móviles ejecuten potentes algoritmos de inteligencia artificial de forma local, en vez de enviar datos a un servidor de internet para que este los procese.

 

Las redes neurales fueron estudiadas ampliamente en los primeros tiempos de la investigación en inteligencia artificial, pero hacia la década de 1970 se perdió el interés en ellas. En la última década, sin embargo, han disfrutado de un renacimiento, bajo el nombre del concepto conocido como “aprendizaje profundo”. El aprendizaje profundo es útil para muchas aplicaciones, como el reconocimiento de objetos, el habla y la detección de rostros.

 

[Img #33741]

 

Los investigadores del MIT han diseñado un nuevo chip que funciona como las redes neurales. Es 10 veces más eficiente que una GPU móvil, de manera que podría permitir que los dispositivos móviles ejecuten potentes algoritmos de inteligencia artificial de forma local, en vez de enviar datos a servidores de internet para que estos los procesen. (Imagen: MIT News)

 

El nuevo chip, que los investigadores bautizaron como “Eyeriss”, podría también ayudar a hacer realidad el concepto de la “Internet de las Cosas”, la idea de que vehículos, aparatos domésticos de todo tipo, estructuras de ingeniería civil, máquinas de fábricas e incluso ganado, tengan sensores que envíen información directamente a servidores en red, ayudando al mantenimiento y la coordinación de tareas.

 

Información adicional

Quizá también puedan interesarle estos enlaces...

Copyright © 1996-2017 Amazings® / NCYT® | (Noticiasdelaciencia.com / Amazings.com). Todos los derechos reservados.
Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Todos los textos y gráficos son propiedad de sus autores. Prohibida la reproducción total o parcial por cualquier medio sin consentimiento previo por escrito.
Excepto cuando se indique lo contrario, la traducción, la adaptación y la elaboración de texto adicional de este artículo han sido realizadas por el equipo de Amazings® / NCYT®.

Amazings® / NCYT® • Términos de usoPolítica de PrivacidadMapa del sitio
© 2017 • Todos los derechos reservados - Depósito Legal B-47398-2009, ISSN 2013-6714 - Amazings y NCYT son marcas registradas. Noticiasdelaciencia.com y Amazings.com son las webs oficiales de Amazings.
Powered by FolioePress