Entrenan por primera vez una IA a la velocidad de la luz

Un equipo de ingenieros ha desarrollado el primer chip programable que puede entrenar redes neuronales no lineales utilizando luz, en un avance que podría acelerar drásticamente el entrenamiento de la IA, reducir el uso de energía e incluso abrir el camino para ordenadores mucho más potentes y ligeros.

Los investigadores de la Universidad de Pensilvania, en Estados Unidos, han concretado un hito histórico al desarrollar el primer chip con la capacidad para entrenar sistemas de Inteligencia Artificial (IA) a la velocidad de la luz, una innovación que aceleraría los procesos de desarrollo de redes neuronales artificiales operativas a un ritmo hoy inimaginable con la electrónica convencional.

Más eficiencia, rapidez y ahorro energético

Esta tecnología fotónica aprovecha un material semiconductor especializado y haces de “señal” y “bombeo” para reconfigurar funciones no lineales en tiempo real, logrando precisiones superiores al 96% en tareas clásicas de aprendizaje automático y abriendo la puerta a futuros sistemas fotónicos de gran escala, incluidos modelos de lenguaje avanzados.

Los chips actuales de IA, basados en electrones, requieren intensas operaciones digitales que consumen grandes cantidades de energía y generan calor, lo que encarece los centros de datos y limita la escalabilidad. Además, la comunicación entre memoria y procesador se ha convertido en un cuello de botella, frenando la velocidad de entrenamiento de redes profundas.

Según el nuevo estudio publicado en la revista Nature Photonics y una nota de prensa, la fotónica ofrece un medio de cálculo a la velocidad de la luz. Al usar fotones en lugar de electrones, los sistemas pueden reducir significativamente el consumo energético y acelerar el procesamiento, tal como demostró un estudio previo que describía un chip fotónico para multiplicación vector-matriz.

Las múltiples ventajas de la IA fotónica

El carácter reconfigurable del nuevo dispositivo elimina la necesidad de cambiar físicamente la estructura del chip, diferenciándose de los sistemas fijos. Esto habilita pruebas y ajustes in situ durante el entrenamiento, algo inédito en fotónica. En pruebas de referencia, la plataforma logró más del 97% de precisión en una tarea de frontera de decisión no lineal y más del 96% en una aplicación de identificación por iris, un estándar en aprendizaje automático.

Un punto clave es que solo cuatro conexiones ópticas del chip equivalieron a veinte conexiones electrónicas lineales con activaciones fijas en modelos tradicionales, un dato que sugiere un notable ahorro de operaciones. Al prescindir de componentes electrónicos de alto consumo, el sistema promete menores costes de energía y disipación de calor, entre muchas otras ventajas.

La transición a componentes ópticos de baja energía podría reducir notablemente el gasto operativo de los centros de datos de IA. Además, las propiedades inherentes de la luz podrían reforzar la seguridad, al ser menos susceptibles a ataques de hardware y otras amenazas.