Los investigadores han demostrado que es posible realizar inteligencia artificial utilizando diminutos nanoimanes que interactúan como neuronas en el cerebro.
El nuevo método, desarrollado por un equipo dirigido por investigadores del Imperial College London, podría reducir drásticamente el costo energético de la inteligencia artificial (IA), que actualmente se duplica a nivel mundial cada 3,5 meses.
En un artículo publicado hoy en Naturaleza Nanotecnología, el equipo internacional produjo la primera prueba de que las redes de nanoimanes se pueden usar para realizar un procesamiento similar a la IA. Los investigadores demostraron que los nanoimanes se pueden usar para tareas de «predicción de series temporales», como predecir y regular los niveles de insulina en pacientes diabéticos.
La inteligencia artificial que utiliza ‘redes neuronales’ tiene como objetivo replicar la forma en que funcionan partes del cerebro, donde las neuronas se comunican entre sí para procesar y retener información. Gran parte de las matemáticas utilizadas para impulsar las redes neuronales fueron inventadas originalmente por físicos para describir la forma en que interactúan los imanes, pero en ese momento era demasiado difícil usar imanes directamente ya que los investigadores no sabían cómo ingresar datos y obtener información.
En su lugar, se utilizó software que se ejecuta en computadoras tradicionales basadas en silicio para simular las interacciones magnéticas, simulando a su vez el cerebro. Ahora, el equipo ha podido usar los imanes para procesar y almacenar datos, eliminando al intermediario de la simulación del software y ofreciendo potencialmente enormes ahorros de energía.
Estados nanomagnéticos
Los nanoimanes pueden presentarse en varios «estados», dependiendo de su dirección. La aplicación de un campo magnético a una red de nanoimanes cambia el estado de los imanes en función de las propiedades del campo de entrada, pero también de los estados de los imanes circundantes.
El equipo, dirigido por investigadores del Departamento Imperial de Física, pudo diseñar una técnica para contar la cantidad de imanes en cada estado una vez que el campo ha pasado, dando la «respuesta».
El coautor del estudio, el Dr. Jack Gartside, dijo: «Hemos estado tratando de resolver el problema de cómo ingresar datos, hacer una pregunta y obtener una respuesta de la computación magnética durante mucho tiempo. Ahora hemos demostrado se puede hacer, allana el camino para deshacerse del software de computadora que hace la simulación de uso intensivo de energía».
El coautor Kilian Stenning agregó: «La forma en que interactúan los imanes nos brinda toda la información que necesitamos; las leyes de la física mismas se convierten en la computadora».
El líder del equipo, el Dr. Will Branford, dijo: «Ha sido un objetivo a largo plazo crear hardware informático inspirado en los algoritmos de software de Sherrington y Kirkpatrick. No fue posible usar los espines de los átomos en los imanes convencionales, pero escalando los espines en matrices con nanopatrones, hemos podido lograr el control y la lectura necesarios».
Recortar el costo de la energía
La IA ahora se usa en una variedad de contextos, desde el reconocimiento de voz hasta los autos sin conductor. Pero entrenar a la IA para realizar incluso tareas relativamente simples puede requerir enormes cantidades de energía. Por ejemplo, entrenar a la IA para resolver un cubo de Rubik tomó el equivalente de energía de dos centrales nucleares funcionando durante una hora.
Gran parte de la energía utilizada para lograr esto en las computadoras convencionales con chips de silicio se desperdicia en el transporte ineficiente de electrones durante el procesamiento y el almacenamiento en la memoria. Sin embargo, los nanoimanes no se basan en el transporte físico de partículas como los electrones, sino que procesan y transfieren información en forma de una onda ‘magnónica’, donde cada imán afecta el estado de los imanes vecinos.
Esto significa que se pierde mucha menos energía y que el procesamiento y el almacenamiento de información se pueden realizar juntos, en lugar de ser procesos separados como en las computadoras convencionales. Esta innovación podría hacer que la computación nanomagnética sea hasta 100 000 veces más eficiente que la computación convencional.
IA en el borde
A continuación, el equipo enseñará el sistema utilizando datos del mundo real, como señales de ECG, y espera convertirlo en un dispositivo informático real. Eventualmente, los sistemas magnéticos podrían integrarse en computadoras convencionales para mejorar la eficiencia energética para tareas de procesamiento intensas.
Su eficiencia energética también significa que es factible que funcionen con energía renovable y se utilicen para hacer ‘IA en el borde’: procesar los datos donde se recopilan, como estaciones meteorológicas en la Antártida, en lugar de enviarlos de regreso a grandes datos. centros
También significa que podrían usarse en dispositivos portátiles para procesar datos biométricos en el cuerpo, como predecir y regular los niveles de insulina para personas diabéticas o detectar latidos cardíacos anormales.