Uso de Computadoras Analógicas en Inteligencia Artificial (IA)

Computadoras Analógicas en IA

Las Computadoras Analógicas son una clase de dispositivos en los cuales las cantidades físicas como el voltaje eléctrico, los movimientos mecánicos o la presión del fluido se representan de manera que son análogas a la cantidad correspondiente en el problema que se va a resolver.

Aquí hay un ejemplo simple de una computadora analógica.

Fuente: https://www.youtube.com/watch?v=IgF3OX8nT0w&t=763s 

Si giramos las ruedas de blanco y negro por ciertas cantidades, la rueda gris muestra la suma de las dos rotaciones.

Una de las primeras computadoras analógicas fue el Mecanismo de Anticitera, construido alrededor del 100-200 a.C. Involucraba una serie de engranajes de bronce interconectados de tal manera que el movimiento de ciertos diales era análogo al movimiento del sol y la luna. También era capaz de predecir eclipses décadas antes de que ocurrieran.

  Fuente: https://arstechnica.com/science/2021/03/scientists-solve-another-piece-of-the-puzzling-antikythera-mechanism/

Ventajas y Desventajas de las Computadoras Analógicas

Para sumar dos números de ocho bits, se requieren alrededor de 50 transistores. Sin embargo, con una computadora analógica, podemos sumar dos corrientes simplemente conectando dos cables. De manera similar, para multiplicar dos números, necesitamos miles de transistores. Por el contrario, podemos hacer pasar una corriente (I Ampere) a través de una resistencia (R-Ohm), y la caída de potencial en los dos extremos del cable sería I*R, es decir, el producto de los dos números.

Las computadoras analógicas son potentes, rápidas y eficientes en energía. Sin embargo, las computadoras digitales las reemplazaron porque son de un solo propósito e imprecisas, y dado que las entradas son continuas, es difícil repetir el proceso exactamente.

Computadoras Analógicas y IA.

En IA, las computadoras analógicas se utilizaron para diversas tareas, incluido el reconocimiento de patrones, la toma de decisiones y el control. Por ejemplo, se utilizaron para entrenar redes neuronales, que son modelos de aprendizaje automático inspirados en la estructura y función del cerebro humano. Las computadoras analógicas también se utilizaron para implementar sistemas de IA basados en reglas que utilizan reglas específicas para tomar decisiones o realizar acciones.

A pesar de su uso generalizado en el pasado, las computadoras analógicas ya no son tan comunes en IA y aprendizaje automático, en gran parte debido al advenimiento de las computadoras digitales. Las computadoras digitales son mucho más rápidas y confiables que las computadoras analógicas, y pueden almacenar y procesar cantidades mucho mayores de datos. Además, las computadoras digitales son más fáciles de programar y mantener, lo que las ha convertido en la opción preferida para la mayoría de las aplicaciones de IA y aprendizaje automático.

El aumento del uso de las Computadoras Analógicas en IA

Existe una tendencia creciente hacia el uso de redes neuronales más grandes en aplicaciones de aprendizaje automático e inteligencia artificial. Esta tendencia se debe a la necesidad de mejorar el rendimiento en tareas cada vez más complejas y a la disponibilidad de más datos, hardware y algoritmos para respaldar el entrenamiento de redes más grandes. Sin embargo, existen ciertos desafíos asociados con esta mayor demanda.

  • Entrenar una red neuronal grande requiere una cantidad de energía equivalente al consumo promedio anual de alrededor de tres hogares.
  • Cada computadora moderna almacena datos en memoria y los accede según sea necesario. Pero cuando las redes neuronales requieren multiplicaciones de matrices enormes, la mayor parte del tiempo, la energía se destina a buscar el valor de los pesos en lugar de realizar los cálculos.
  • Según la Ley de Moore, el número de transistores en un chip tradicionalmente se ha duplicado cada dos años. Sin embargo, ahora nos acercamos al punto en el que el tamaño de un transistor se acerca al tamaño de un átomo, lo que presenta importantes desafíos físicos para una mayor miniaturización.

A medida que las computadoras digitales se acercan a sus límites, las redes neuronales han ganado popularidad, siendo gran parte de su funcionalidad centrada en la multiplicación de matrices. Además, las redes neuronales no requieren cálculos precisos de las computadoras digitales, ya que una confianza del 98% o 95% en clasificar una imagen como un perro es suficiente. Estos factores presentan una oportunidad única para que las computadoras analógicas asuman un papel mucho más importante en la IA.

Estudio de caso: Mythic AI

Mythic AI es una empresa emergente de cómputo analógico que crea chips analógicos para ejecutar redes neuronales. Diferentes algoritmos de IA, como detección de movimiento, estimación de profundidad, clasificación de objetos, etc., se ejecutan en el dominio analógico.

Mythic ha modificado las celdas de almacenamiento digital flash para hacer esto posible. Estas celdas se utilizan típicamente para el almacenamiento de memoria y pueden contener un uno o un cero. Una tensión positiva aplicada a la compuerta de control permite que los electrones atraviesen una barrera aislante y queden atrapados en la compuerta flotante. La tensión luego se puede eliminar y los electrones permanecerán en la compuerta flotante durante mucho tiempo, evitando que la corriente fluya a través de la celda.

      Fuente: https://www.youtube.com/watch?v=GVsUOuSjvcg&t=1128s

El valor almacenado se puede determinar aplicando una pequeña tensión. No fluirá corriente si hay electrones en la compuerta flotante, lo que indica un cero. Si no hay electrones, fluirá corriente, lo que significa un uno.

             Fuente: https://www.youtube.com/watch?v=GVsUOuSjvcg&t=1128s

La idea de Mythic es utilizar estas celdas no como interruptores de encendido/apagado, sino como resistencias variables. Lo hacen colocando un número específico de electrones en cada compuerta flotante en lugar de todo o nada. Cuanto mayor sea el número de electrones, mayor será la resistencia del canal. Al aplicar una pequeña tensión, la corriente que fluye es igual a V sobre R. Pero también se puede pensar en esto como voltaje multiplicado por conductancia, donde la conductancia es simplemente el recíproco de la resistencia. Entonces, una sola celda flash se puede utilizar para multiplicar dos valores juntos, voltaje por conductancia.

Para usar esto para ejecutar una red neuronal artificial, primero escriben todos los pesos en las celdas flash como conductancia de cada celda. Luego, ingresan los valores de activación como el voltaje en las celdas. Y la corriente resultante es el producto del voltaje por la conductancia, que es la activación por el peso. Las celdas se conectan entre sí para que la corriente de cada multiplicación se sume, completando la multiplicación de matrices.

              Fuente: https://www.youtube.com/watch?v=GVsUOuSjvcg&t=1128s

Su chip puede realizar 25 billones de operaciones matemáticas por segundo utilizando sólo 3W de potencia. Por el contrario, los sistemas digitales más nuevos pueden realizar de 20 a 100 billones de operaciones matemáticas por segundo, pero son costosos (miles de dólares) y consumen de 50 a 100W de potencia.

Se han sugerido utilizar circuitos analógicos en altavoces inteligentes para detectar específicamente palabras de activación como “Alexa” o “Siri”. Este enfoque requeriría menos potencia y permitiría la activación rápida y confiable de los circuitos digitales en el dispositivo.

En resumen, no está claro si las computadoras analógicas serán tan prevalentes como las computadoras digitales. Sin embargo, son más adecuadas para una variedad de tareas actuales que queremos que las computadoras realicen, y tal vez podríamos lograr que las máquinas alcancen una verdadera inteligencia a través del poder de lo analógico.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

ChatGPT obtiene una puntuación en el 1% superior en la prueba de creatividad humana

La inteligencia artificial (IA) ha alcanzado nuevas alturas, según una investigación realizada por la Universidad de ...

Inteligencia Artificial

Descubriendo el impacto de la IA generativa en la narración de datos y el análisis

Introducción En el amplio campo de la analítica de datos, uno de los desarrollos más profundos que cambia el juego es...

Inteligencia Artificial

Combatir la suplantación de identidad por la IA

Encontrar formas de determinar si un mensaje de voz es real o generado por una inteligencia artificial.