Los avances en el campo de la Inteligencia Artificial (IA) continúan sorprendiéndonos y esta vez, investigadores de la Universidad de Tsinghua en China han presentado un chip que podría cambiar la forma en que entendemos el procesamiento visual en máquinas.
El chip, conocido como ACCEL, es un procesador fotoelectrónico totalmente analógico que fusiona computación óptica y electrónica. La principal ventaja de este chip radica en su capacidad para combinar las fortalezas de la computación basada en luz y electrones. Tradicionalmente, la conversión de señales analógicas a digitales consume tiempo y energía, lo que restringe la eficiencia de las redes neuronales prácticas. El ACCEL se presenta como una solución a este desafío, optimizando el procesamiento de datos visuales a velocidades increíbles y con una eficiencia energética sin precedentes.
La magia detrás del ACCEL es su módulo de computación óptica que utiliza una red neuronal difractiva para extraer información de campos de luz de alta resolución. Este proceso se realiza de manera extremadamente eficiente, después de lo cual, los datos se envían a un array de fotodiodos que generan corrientes fotoinducidas. Estas corrientes se utilizan directamente para más cálculos en el dominio analógico electrónico. Lo más impresionante es que este chip no necesita convertir señales analógicas en digitales, lo que le otorga una flexibilidad y eficiencia inigualables.
En pruebas realizadas, el ACCEL mostró habilidades asombrosas como clasificar imágenes de alta resolución en tan solo 72 nanosegundos. Si lo comparamos con las GPU de alta gama, el ACCEL consume mucha menos energía y es considerablemente más rápido. Estas características lo hacen ideal para aplicaciones en líneas de montaje industriales, conducción autónoma y, especialmente, en dispositivos portátiles donde la eficiencia energética es esencial.
Aunque el ACCEL ha demostrado ser una pieza de hardware prometedora, los investigadores creen que hay espacio para mejorar aún más. Las investigaciones futuras podrían centrarse en explorar arquitecturas más eficientes con computación fotoelectrónica y aplicar esta tecnología a nuevos algoritmos de inteligencia artificial, como los modelos de lenguaje extensos.
Más información en Nature