El procesamiento de señales ópticas para el aprendizaje automático y la Inteligencia Artificial será crucial para el desarrollo de este sector en un futuro próximo, de acuerdo a las necesidades y retos a afrontar. Se requieren herramientas cada vez más rápidas, por eso una nueva tecnología creada por investigadores de la Universidad George Washington logra procesar volúmenes de información del orden de petabytes en solamente un segundo.
Según una nota de prensa, la demanda mundial de hardware de aprendizaje automático está superando drásticamente las posibilidades que brindan las tecnologías actuales. Aunque el hardware electrónico avanza considerablemente y en forma sostenida para desarrollar alternativas capaces de hacer frente a las nuevas necesidades de la Inteligencia Artificial, choca con limitaciones físicas evidentes como las restricciones de cableado y circuitos.
Ante esto, las alternativas ópticas al hardware electrónico podrían ser capaces de acelerar los procesos de aprendizaje automático y generar una verdadera revolución en el área de la Inteligencia Artificial, propiciando soluciones más rápidas y eficientes al aprovechar las ventajas de las tecnologías basadas en fotones.
Además, las soluciones inherentes al hardware electrónico requieren de un enfoque iterativo para el procesamiento de información, que básicamente supone que los elementos se van integrando de forma progresiva, facilitando la mejora y el perfeccionamiento de los sistemas. Sin embargo, esto ralentiza el procesamiento. Los sistemas ópticos, por el contrario, trabajan de forma no iterativa y logran agilizar el procesamiento de datos.
Inteligencia Artificial: acelerando "a todo vapor"
El estudio desarrollado por científicos de la Universidad George Washington junto con colaboradores de otros centros académicos, recientemente publicado en la revista Optica, avanza en este aspecto y ofrece una nueva tecnología con potencial de desarrollo a futuro. Según los expertos, el acelerador óptico de red neuronal que han creado es 100 veces más rápido que otros sistemas similares.
Con aplicaciones de Inteligencia Artificial que viajen "a la velocidad de la luz", una gran diversidad de tecnologías en áreas como los vehículos autónomos, los centros y la seguridad de datos o los diagnósticos biomédicos podrían pasar rápidamente de una fase conceptual o experimental a su ejecución práctica y real. Sin embargo, aunque los sistemas ópticos tienen muchas ventajas también se ven afectados por diferentes limitaciones.
Por ejemplo, el aprendizaje automático basado en fotones encuentra habitualmente trabas en la cantidad de componentes que es posible ubicar en los circuitos integrados fotónicos, limitando seriamente la interconectividad de los sistemas. Al mismo tiempo, el empleo de moduladores de luz espacial ofrece velocidades de programación muy lentas.
Para afrontar y superar estos escollos, la nueva tecnología creada por los investigadores estadounidenses reemplaza los moduladores de luz espacial por un sistema digital basada en espejos. La solución brinda una alternativa de sincronización, capacidad de programación rápida y trabajo en paralelo que es claramente más veloz y eficaz que otras opciones similares.
Impacto en la vida real
Mientras el paradigma actual en hardware de aprendizaje automático electrónico se sustenta en el procesamiento secuencial de información, la innovación desarrollada en el marco de esta nueva investigación emplea la tecnología de espejo digital, que permite una multiplicación de elementos mucho más simple y hace posible el procesamiento en paralelo de diversas capas de información.
Como resultado de todas estas innovaciones, el flamante sistema óptico anuncia según sus creadores la llegada de una nueva era para el procesamiento de información y el aprendizaje automático, en la cual la Inteligencia Artificial podrá "pasar de nivel" y acceder a un impacto directo en la vida real en áreas en las que actualmente solamente brinda un desarrollo incipiente.
Referencia
Massively parallel amplitude-only Fourier neural network. Mario Miscuglio, Zibo Hu, Shurui Li, Jonathan K. George, Roberto Capanna, Hamed Dalir, Philippe M. Bardet, Puneet Gupta and Volker J. Sorger. Optica (2020).DOI:https://doi.org/10.1364/OPTICA.408659
Foto: Christopher Burns en Unsplash.
