La computación está estancada en la rutina. Los circuitos integrados que impulsaron los últimos 50 años de revolución tecnológica están llegando a sus límites físicos.
Esta situación hace que los informáticos busquen nuevas ideas: nuevos dispositivos construidos con física novedosa, nuevas formas de organizar unidades dentro de las computadoras e incluso algoritmos que usan sistemas nuevos o existentes de manera más eficiente. Para ayudar a coordinar nuevas ideas, Sandia National Laboratories ha ayudado a organizarConferencia internacional del Instituto de Ingenieros Eléctricos y Electrónicos IEEE sobre reinicio de la computación, celebrada del 17 al 19 de octubre.
Investigadores del Departamento de Computación Neural y de Datos de Sandia presentarán tres documentos en la conferencia, destacando la amplitud de aplicaciones potenciales de computación neuronal no tradicional.
"Estamos analizando el alcance de lo que pueden hacer los algoritmos neuronales. No estamos tratando de ser exhaustivos, sino que estamos tratando de resaltar el tipo de aplicación sobre la cual los algoritmos pueden ser impactantes", dijo BradAimone, un neurocientífico computacional y coautor de un artículo. Históricamente, la computación neuronal ha sido vista como aproximada y difusa, agregó; sin embargo, los investigadores de Sandia en sus trabajos pretenden extender algoritmos neuronales para que incorporen rigor y previsibilidad, lo que demuestra quepuede desempeñar un papel en la informática científica de alto rendimiento.
Los tres documentos se titulan "Superando el cuello de botella del aprendizaje estático: la necesidad de un aprendizaje neuronal adaptativo" por Craig Vineyard y Steve Verzi; "Computing with Dynamical Systems" por Fred Rothganger; y "Surking Network Algorithms for Scientific Computing" por WilliamSevera, Ojas Parekh, Kris Carlson, Conrad James y Aimone.
Problemas y beneficios del aprendizaje continuo
El cerebro está aprendiendo continuamente. "Si bien aprendemos en la escuela, nuestro aprendizaje no se detiene cuando termina la escuela. En cambio, nuestros cerebros se adaptan continuamente a través de procesos, como modificaciones sinápticas. Sin embargo, la mayoría de los algoritmos de aprendizaje automático aprenden una vezy listo ", dijo Vineyard, un científico de la computación.
La mayoría de los llamados algoritmos de aprendizaje automático tienen una fase de aprendizaje y una fase separada de prueba y operación. Esto realmente consume mucho tiempo. Los intentos ambiciosos y desafiantes de desarrollar algoritmos que aprendan continuamente también corren el riesgo del algoritmo "aprendiendo "algo que está mal", dijo Vineyard.
Su artículo argumenta a favor del aprendizaje continuo y sugiere el uso de la teoría de juegos, la matemática de las decisiones lógicas, como cuándo sacar la basura y cuándo esperar que su compañero de cuarto lo haga por usted, para aportar precisión a la decisiónde cuándo debe aprender un algoritmo
¿Qué son los sistemas dinámicos de todos modos?
Un sistema dinámico es una ecuación que describe cómo cambian las cosas con el tiempo. Un sistema dinámico simple es una función que describe el movimiento del péndulo de un reloj de pared. "La idea detrás del uso de sistemas dinámicos para el cálculo es construir una máquina de tal manera que sula dinámica, que tiene que ver con la estructura de la máquina o la estructura de las matemáticas, lo conducirá a la respuesta basada en alimentar la pregunta ", dijo Rothganger, un científico de la computación.
Tanto nuestros cerebros como, en cierto modo, las computadoras convencionales son sistemas dinámicos: encuentran respuestas basadas simplemente en la pregunta y cómo se construyen las computadoras, dijo Rothganger. Su artículo propone que si los investigadores piensan en un problema de computación científica tradicional, la matrizdescomposición, como sistema dinámico, podrían resolverlos rigurosamente en sistemas de inspiración neuronal.
"Hay mucho potencial y también mucho riesgo en la idea en la que estoy trabajando", dijo Rothganger. Si su idea funciona, "proporcionaría un punto de unificación entre algoritmos neuronales y algoritmos numéricos tradicionales".
Los matemáticos artesanales elaboran algoritmos de red de punta
El tercer documento identifica tres algoritmos hechos a mano que utilizan la disposición cuidadosa de los nodos de neuronas para realizar cálculos precisos. En el cerebro, cada neurona está conectada a muchas otras neuronas y utiliza picos de electricidad para comunicarse.matemático y sus coautores se inspiraron en estos aspectos del cerebro.
Un ejemplo de estos algoritmos innovadores es un tipo de estimación de flujo llamada velocimetría de imagen de partículas. Al tomar dos imágenes de motas de polvo que se mueven por el aire y calcular qué tan lejos se movieron en el tiempo entre fotos, los investigadores pueden determinar la velocidad deaire y cualquier remolino local. Esto se puede hacer en una computadora convencional usando matemáticas sofisticadas, pero el método de Severa usa la naturaleza paralela masiva de las neuronas para calcular todos los cambios posibles de manera eficiente, dijo.
"Diseñando cuidadosamente tus redes y las propiedades de tus neuronas, puedes hacer cosas exactas", dijo Severa. "Puedes ampliar lo que puedes esperar que haga una red neuronal".
Si el futuro tiene computadoras inspiradas en neuro en su teléfono celular que entienden frases como "Muéstrame una linda imagen de Fluffy" y "Ordene mi comida china favorita", o si las computadoras neuronales también pueden trabajar junto con las futuras computadoras cuánticas en la resolución de matemáticas difícilesproblemas rápidamente, la informática debe reinventarse, y pronto, dijo Aimone. Al reunir a expertos en muchas disciplinas diferentes, dijo que la Conferencia Internacional sobre Reinicio de la Computación tiene como objetivo fomentar nuevas ideas y estimular esta revolución.
La financiación para todos los proyectos fue proporcionada por la oficina de Investigación y Desarrollo Dirigida por el Laboratorio de Sandia. Dos proyectos también formaron parte del Gran Desafío de Aceleración de Hardware de Algoritmos Neurales Adaptativos HAANA.
El esfuerzo informático de reinicio más amplio
Los empleados de Sandia se encuentran entre los organizadores de la iniciativa de reinicio de la informática del IEEE y la conferencia. El Director de Tecnología de Sandia, Rob Leland, dará la charla de apertura de la conferencia sobre la historia de la innovación en informática. Los investigadores de Sandia, Erik DeBenedictis y Matt Marinella son miembros de la conferenciaComité de programa.
Fuente de la historia :
Materiales proporcionado por Laboratorios Nacionales Sandia . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :