Estás leyendo
Intel construye el mayor sistema neuromórfico del mundo para hacer posible una IA más sostenible

Intel construye el mayor sistema neuromórfico del mundo para hacer posible una IA más sostenible

  • Hala Point, el primer sistema neuromórfico de 1.150 millones de neuronas, construye un camino hacia una IA más eficiente y escalable.
newsroom intel max series badges.jpg.rendition.intel .web .1920.1080

Intel ha anunciado que ha  construido el mayor del mundo . Con el nombre en clave de , este sistema neuromórfico a gran escala, implantado inicialmente en los Laboratorios Nacionales Sandia, utiliza el procesador Loihi 2 de . Tiene como objetivo apoyar la investigación de la futura inteligencia artificial (IA) inspirada en el cerebro y aborda los retos relacionados con la eficiencia y la sostenibilidad de la IA actual. Hala Point avanza el sistema de investigación a gran escala de primera generación de Intel, Pohoiki Springs, con mejoras arquitectónicas para lograr más de 10 veces más capacidad neuronal y hasta 12 veces más rendimiento.

El coste informático de los modelos actuales de IA está aumentando a ritmos insostenibles. La industria necesita enfoques fundamentalmente nuevos capaces de escalar. Por eso hemos desarrollado Hala Point, que combina la eficiencia del aprendizaje profundo con novedosas capacidades de aprendizaje y optimización inspiradas en el cerebro. Esperamos que la investigación con Hala Point suponga avanzar en la eficacia y adaptabilidad de la tecnología de IA a gran escala.Mike Davies, director of the Neuromorphic Computing Lab at Intel Labs

Cómo funciona

Hala Point es el primer sistema neuromórfico a gran escala que demuestra una eficiencia computacional de vanguardia en las principales cargas de trabajo de IA. La caracterización muestra que puede soportar 20 cuatrillones de operaciones por segundo, o 20 petaops, con una eficiencia superior a 15 billones de operaciones de 8 bits por segundo y vatio (TOPS/W) al ejecutar redes neuronales profundas convencionales. Esto rivaliza y supera los niveles alcanzados por las arquitecturas de GPU y CPU. Las capacidades únicas de Hala Point podrían permitir avances en el futuro aprendizaje continuo en tiempo real para aplicaciones de IA como la resolución de problemas científicos y de ingeniería, logística, gestión de infraestructuras de ciudades inteligentes, grandes modelos lingüísticos (LLM) y agentes de IA.

Cómo se utilizará

Los investigadores de Sandia National Laboratories tienen previsto utilizar Hala Point para la investigación en computación avanzada a escala cerebral. La organización se centrará en resolver problemas de computación científica en física de dispositivos, arquitectura de ordenadores, informática y ciencias de la computación.

Trabajar con Hala Point mejora la capacidad de nuestro equipo de Sandia para resolver problemas de modelado computacional y científico. Llevar a cabo investigaciones con un sistema de este tamaño nos permitirá seguir el ritmo de la evolución de la IA en campos que van desde lo comercial a la defensa, pasando por la ciencia básica    Craig Vineyard, Hala Point Team Lead, Sandia National Laboratories

Actualmente, Hala Point es un prototipo de investigación que avanzará las capacidades de futuros sistemas comerciales. Intel prevé que estas lecciones conducirán a avances prácticos, como la capacidad de los LLM de aprender continuamente a partir de nuevos datos. Tales avances prometen reducir significativamente la insostenible carga de entrenamiento de los despliegues generalizados de IA.

Te puede interesar
Primera Cumbre De Espacios De Datos Gaia-x Espana

Por qué es importante: Las recientes tendencias en el escalado de modelos de aprendizaje profundo a billones de parámetros han puesto de manifiesto los enormes retos de sostenibilidad de la IA y han destacado la necesidad de innovación en los niveles más bajos de la arquitectura de hardware. La computación neuromórfica es un enfoque fundamentalmente nuevo que se basa en los conocimientos de la neurociencia que integran la memoria y la computación con un paralelismo altamente granular para minimizar el movimiento de datos. En los resultados publicados en la Conferencia Internacional sobre Acústica, Voz y Procesamiento de Señales (ICASSP) de este mes, Loihi 2 demostró ganancias de órdenes de magnitud en la eficiencia, velocidad y adaptabilidad de las cargas de trabajo emergentes a pequeña escala1.

Hala Point, que avanza sobre su predecesor, Pohoiki Springs, con numerosas mejoras, aporta ahora mejoras neuromórficas de rendimiento y eficiencia a los principales modelos convencionales de aprendizaje profundo, en particular los que procesan cargas de trabajo en tiempo real como vídeo, voz y comunicaciones inalámbricas. Por ejemplo, Ericsson Research está aplicando Loihi 2 para optimizar la eficiencia de las infraestructuras de telecomunicaciones, como se destacó en el Mobile World Congress de este año.

 

Utilizamos cookies para facilitar la relación de los visitantes con nuestro contenido y para permitir elaborar estadísticas sobre las visitantes que recibimos. No se utilizan cookies con fines publicitarios ni se almacena información de tipo personal. Puede gestionar las cookies desde aquí.   
Privacidad