El MIT desarrolla un sistema para entrenar redes neuronales en tiempo r¨¦cord

En el momento de nacer, el ser humano tiene aproximadamente 100.000 millones de neuronas, que apenas se relacionan entre ellas. Gracias a los est¨ªmulos que recibe en sus primeras etapas de crecimiento, el beb¨¦ ir¨¢ desarrollando un sinf¨ªn dea conexiones neuronales, cerca del doble de las que tendr¨¢ cuando sea adulto, ya que durante la infancia y la adolescencia eliminar¨¢ aquellas que sean prescindibles.

Este proceso, que se desarrolla durante toda nuestra vida, es el punto de partida de las redes neuronales con los que trabaja la inteligencia artificial. Estas redes pueden crearse por medio de un sistema que se define como b¨²squeda de arquitectura neuronal (NAS, por sus siglas en ingl¨¦s). El problema es que su proceso de formaci¨®n difiere mucho del que tenemos las personas; estos sistemas requieren una ingente capacidad de procesamiento, lleva mucho tiempo desarrollarlos y no son especialmente baratos.

Un algoritmo desarrollado recientemente por Google tard¨® 48.000 horas en producir una red neuronal que utiliza para la clasificaci¨®n de im¨¢genes. El gigante tecnol¨®gico tiene capacidad para ejecutar cientos de unidades de procesamiento gr¨¢fico (GPU, por sus siglas en ingl¨¦s) al mismo tiempo y cuenta con un hardware que har¨ªa las delicias de muchos. Pero son muy pocas las empresas que participan de forma activa en el desarrollo de inteligencia artificial y cuentan con recursos de estas dimensiones.

M¨¢s informaci¨®n

¡°Tenemos que aceptar que existe un techo para el machine learning¡±

En realidad, ?qu¨¦ [...] es exactamente un algoritmo?

Con esto en mente, el MIT ha desarrollado un algoritmo capaz de dise?ar modelos de aprendizaje autom¨¢tico 200 veces m¨¢s r¨¢pido de lo que consiguen los m¨¦todos tradicionales. Defienden que su modelo es capaz de realizar este trabajo con tan solo 200 horas de GPU cuando se ejecutan en un conjunto de datos de im¨¢genes masivas.

Los investigadores del organismo cient¨ªfico conf¨ªan en que esta nueva t¨¦cnica de entrenamiento de sistemas de aprendizaje autom¨¢tico ayude considerablemente a democratizar la inteligencia artificial. El ahorro de tiempo y costes que conlleva su modelo puede acercar el dise?o de redes neuronales a empresas y centros de investigaci¨®n con pocos recursos y allanar el camino para que esta tarea deje de ser patrimonio exclusivo de las grandes multinacionales tecnol¨®gicas.

Queremos permitir que expertos y legos en inteligencia artificial puedan dise?ar eficientemente redes neuronales

Song Han, profesor e investigador del MIT

"Queremos permitir que tanto los expertos en inteligencia artificial como los no expertos dise?en eficientemente arquitecturas de redes neuronales con una soluci¨®n de bot¨®n que se ejecuta r¨¢pidamente en un hardware espec¨ªfico", explica a la oficina de noticias del MIT Song Han, coautor de este estudio y profesor asistente de ingenier¨ªa el¨¦ctrica y ciencias de la computaci¨®n, adem¨¢s de investigador en los Laboratorios de Tecnolog¨ªa de Microsistemas de la instituci¨®n.

El avance que supone este algoritmo no implica la sustituci¨®n de ingenieros humanos por m¨¢quinas en el desarrollo de sistemas de aprendizaje autom¨¢tico. Su objetivo es, m¨¢s bien, automatizar el trabajo m¨¢s repetitivo que afecta al dise?o y refinamiento de las arquitecturas de redes neuronales. Para ello, el MIT busc¨® la manera de eliminar componentes innecesarios en el dise?o de redes neuronales, optimizar los tiempos de computaci¨®n y utilizar una fracci¨®n de la memoria del hardware necesaria para ejecutar el algoritmo.