La agencia DARPA adoptará redes neuronales habilitadas para datos hiper-dimensionales
- Inteligencia Artificial
Se acaba de dar a conocer que la agencia de investigación militar norteamericana DARPA va a apostar fuerte por la inteligencia artificial en el borde de cara a sus próximos desarrollos tecnológicos. Concretamente, han afirmado que van a utilizar redes neuronales habilitadas para datos hiper-dimensionales (HyDENN), una tecnología con capacidades similares a las DNN, pero sin latencia.
La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA), responsable de la red que en su día dio origen a Internet, acaba de anunciar que va a crear un proyecto militar en el que usará lo que se conoce como Redes Neurales Habilitadas para Datos Hiper-Dimensionales (HyDENN). Se trata de una rama de la inteligencia artificial más compleja, con capacidades similares a las Redes Neuronales Profundas (DNN) de última generación (SOA) que se utiliza en los centros de datos hiperescala, pero sin los problemas de latencia y excesivos requisitos de rendimiento que estas tienen.
El objetivo de DARPA es llevar la inteligencia artificial más avanzada a la computación perimetral, como pueden ser los equipos informáticos de “baja potencia” desplegados en el campo por las unidades militares. Mientras que la sociedad civil, las instituciones de investigación científica, las empresas y los operadores de centros de datos están optando cada vez más por las redes neuronales profundas para incrementar las capacidades de la inteligencia artificial y lograr un rendimiento lo más cercano al “tiempo real”, los militares deben apostar por tecnologías que puedan utilizar en su ámbito.
Según se señala en un documento de presolicitud de la agencia que se ha dado a conocer, DARPA considera que las DNN convencionales están incrementando su complejidad y capacidad en los últimos años, pasando de lograr millones a cientos de millones de cálculos en el mismo tiempo. Por ello, señalan que “La primitiva computacional básica para ejecutar las funciones de entrenamiento e inferencia en DNN es la operación de multiplicar y acumular (MAC). A medida que aumenta el recuento de parámetros de DNN, las redes SOA requieren decenas de miles de millones de operaciones MAC para realizar una inferencia”.
Esto quiere decir que la precisión de las redes neuronales profundas se ve limitada por los recursos disponibles para estas operaciones de multiplicación y acumulación, es decir, de un hardware que cada vez debe ser más y más potente. Por ello, dicen que “En consecuencia, los DNN de alta precisión de SOA se alojan en los centros de la nube con grupos de procesadores de gran consumo energético que deben acelerar el procesamiento. Este paradigma de cómputo no satisfará muchas aplicaciones del DoD [Department of Defense] que demandan latencia extremadamente baja, inteligencia artificial (IA) de alta precisión bajo unas estrictas limitaciones de tamaño, peso y potencia”.
Este es el motivo por el que DARPA ve más adecuado aplicar el concepto de HyDENN como base para las redes neuronales en el ámbito de la defensa. En su opinión, “Con un hardware de cómputo digital eficiente, estas innovaciones conducirán a una reducción de al menos 100 veces en la potencia y el rendimiento de cómputo combinados, al tiempo que conservan una salida de alta precisión en comparación con el enfoque SOA DNN”. Y, además, esto hará viable la utilización de redes neuronales de alta capacidad en las infraestructuras militares en el borde, algo fundamental en sus futuras operaciones.