IBM acaba de lograr un avance en el aprendizaje profundo de las IAs

Los investigadores de IBM lograron una hazaña que podría mejorar la forma en que los sistemas de inteligencia artificial aprenden a través de una tonelada de datos. En lugar de ejecutar algoritmos de aprendizaje profundo utilizando sólo un servidor, lograron que funcione eficientemente en varios servidores.

Hoy en día las tecnologías de inteligencia artificial (AI) se ejecutan generalmente utilizando algoritmos de aprendizaje automático. Estos operan en lo que se llama una red neuronal – sistemas diseñados para imitar el funcionamiento del cerebro humano – como parte de lo que se llama aprendizaje profundo. Actualmente, la mayoría de los avances de IA son en gran parte debido al aprendizaje profundo, con desarrollos como AlphaGo, el jugador de GO con IA creado por DeepMind de Google.

Ahora, IBM ha anunciado que han desarrollado una IA que hace que todo el proceso de aprendizaje de la máquina sea más rápido. En lugar de ejecutar complejos modelos de aprendizaje profundo en un solo servidor, el equipo, liderado por el director de aceleración de sistemas y memoria de IBM Research, Hillery Hunter, logró ampliar eficientemente el aprendizaje profundo distribuido (DDL) utilizando múltiples servidores.

“La idea es cambiar la velocidad de la rapidez con que se puede entrenar un modelo de aprendizaje profundo y realmente aumentar esa productividad”, dijo Hunter a Fortune. Anteriormente, era difícil implementar configuraciones DDL debido a la complejidad necesaria para mantener los procesadores en sincronía. El equipo de IBM Research logró utilizar 64 de sus servidores Power 8 para facilitar el procesamiento de datos. Cada procesador se conectó usando procesadores gráficos Nvidia y una interconexión rápida NVLink, resultando en lo que el equipo de Hillery llama PowerAI DDL.

En lugar de tomar días para que una red de aprendizaje profundo procese modelos, ahora podría tomar sólo horas. “Nuestro objetivo es reducir el tiempo de espera asociado con el entrenamiento de aprendizaje profundo de días u horas a minutos o segundos, y permitir una mayor precisión de estos modelos de IA”, escribió Hunter en un blog de IBM Research.

En su estudio publicado en línea, el equipo afirmó que lograron una eficiencia de escala de 95% a través de 256 procesadores cuando se ejecutó la configuración utilizando un marco de aprendizaje profundodesarrollado en la Universidad de California en Berkeley. También registraron un 33.8% de precisión de reconocimiento de imágenes, procesando 7.5 millones de imágenes en poco más de siete horas, superando el récord de Microsoft de 29.8% en 10 días.

Algunos, sin embargo, son escépticos sobre el logro. Patrick Moorhead, presidente y fundador de una empresa de investigación tecnológica con sede en Texas, dijo a Fortune que el 95% parecía muy bueno para ser cierto.

Source: Mundooculto.es