¿Son los errores el futuro de la IA en el Internet de las cosas?

Los investigadores están estudiando cómo las funciones de los sistemas nerviosos de insectos específicos se asemejan a las funciones realizadas por la memoria determinista, probabilística, volátil y no volátil y exploran cómo estas funciones podrían recrearse en nanosistemas basados ​​en silicio de alto rendimiento y eficiencia energética para IA. .

En un rincón del mundo de AI/ML, NVIDIA hace todo lo posible para convencer a cualquiera que quiera sumergirse en el entrenamiento de que la respuesta es más potencia bruta. Por otro lado, CEA-Leti anunció recientemente que Elisa Vianello, coordinadora del programa Edge AI, obtuvo una subvención de 3 millones de euros del Consejo Europeo de Investigación (ERC) para desarrollar nuevos sistemas edge AI inspirados en los sistemas nerviosos de los insectos.

Según Vianello, uno de los mayores desafíos para llevar la IA directamente a los dispositivos IoT, lo que les permitiría tomar decisiones autónomas basadas en la comparación de la entrada del sensor con datos entrenados y árboles de decisión, es que las arquitecturas de chips actuales desperdician hasta el 90 % de su consumo total de energía al mover datos, no al procesarlos.

Ver también: Los investigadores superan los métodos de reconocimiento de voz con la ayuda de las abejas melíferas

Debido a este desperdicio, los dispositivos IoT se ven obstaculizados en sus capacidades de IA o tienen que estar conectados físicamente a un suministro de energía estable, lo que significa que no son tan flexibles como les gustaría a muchas organizaciones. Doblemente para una aplicación propuesta, microchips de diagnóstico médico implantables, que dependería en gran medida de la confianza del usuario en la confiabilidad del dispositivo.

¿Cuál es el contratiempo cuando se trata de dispositivos a pequeña escala? Simplemente no existe un tipo de memoria que sea de alta densidad, alta resolución, no volátil e infinitamente resistente. Vianello dice que muchos laboratorios de la industria y centros de investigación han intentado desarrollar arquitecturas en memoria a escala nanométrica, que utilizan procesamiento en memoria, pero los resultados han sido mixtos en el mejor de los casos. La DRAM, por ejemplo, es volátil, lo que significa que su contenido se elimina cuando se pierde la energía, algo que probablemente ocurra en muchas configuraciones de IoT. Los tipos de memoria no volátil, como la NVRAM, han mejorado drásticamente la resistencia a lo largo de los años; todavía no son completamente infalibles.

Vianello y su equipo utilizarán los fondos de la subvención para investigar cómo las funciones de los sistemas nerviosos de insectos específicos se asemejan a las funciones realizadas por la memoria determinista, probabilística, volátil y no volátil y luego explorarán cómo se podrían recrear en "alto rendimiento, energía". -nanosistemas eficientes basados ​​en silicio”. Vianello dice:“Los grillos toman decisiones precisas basadas en neuronas y sinapsis lentas, imprecisas y poco confiables para escapar de sus depredadores. Mirando de cerca su biología, identificamos una diversidad de funciones similares a la memoria en juego en sus sistemas sensoriales y nerviosos. Al combinar estas diferentes funciones, el sistema de cómputo interno de Cricket logra un rendimiento y una eficiencia energética asombrosos”.

Por ejemplo, los grillos tienen varios sensores en su cuerpo, junto con numerosas unidades de procesamiento local en su abdomen, capaces de aprender y tomar decisiones continuamente sin involucrar al cerebro central. Debido a que tiene un sistema informático distribuido, toma decisiones más rápido, sin tener que transferir datos de un lugar a otro antes de procesarlos.

El objetivo es una sinapsis híbrida que pueda integrar más de una tecnología de memoria en una pequeña escala compatible con IoT, lo que ayudaría a navegar por las fallas de cada sistema y eliminaría al menos parte del poder desperdiciado en la transferencia de datos en lugar de procesarlos usando IA. /algoritmos ML. El equipo de Vianello espera tomar pequeños volúmenes de datos ruidosos, como lo que capturan las cámaras de video, el radar o los dispositivos de ECG, y habilitar los tipos de aprendizaje que no son posibles con la arquitectura informática actual de IoT.

Es probable que falten muchos años para nuevos productos impulsados ​​por nuevos conocimientos del equipo de Vianello, y los nuevos paradigmas son bienvenidos en el mundo de IoT que cambia rápidamente. Con el 46 % de las organizaciones aumentando su adopción de 5G, múltiples estándares viables para la computación perimetral y más arquitecturas basadas en eventos implementadas en el perímetro, la demanda de un IoT más rápido, más eficiente y a más microescala ya está aquí.