Os smartphones ficarão ainda mais poderosos do que você pode imaginar

smartphones ficarão ainda mais poderosos

Muitas pessoas não percebem que alguns dos avanços tecnológicos mais importantes nos últimos anos, como o software de reconhecimento de voz e rosto, sistemas de condução autônomos e software de reconhecimento de imagem, não foram realmente projetados por humanos, mas por computadores. Todos esses programas de software avançados têm sido o resultado de redes neurais, popularmente conhecidas como “deep learning“, ou aprendizado profundo, em português.

As redes neurais são modeladas de forma parecida com o cérebro humano e aprendem de forma similar a ele, processando grandes quantidades de dados, juntamente com algoritmos alimentados às redes pelos programadores. Uma rede neural é então capaz de se ensinar a realizar tarefas, analisando os dados do treinamento. “Vocês essencialmente possuem software que escreve software”, diz Jen-Hsun Huang, CEO do líder de processamento de gráficos Nvidia.

A pesquisa na área de aprendizado profundo está avançando tão rapidamente, que as redes neurais agora podem sonhar e podem se comunicar entre si usando linguagem criptográfica desumana, indecifrável para humanos e outros computadores. A única desvantagem para a tecnologia é que as redes exigem muita memória e energia para operarem, mas a professora de engenharia elétrica e informática, associada ao Instituto de Tecnologia de Massachusetts (MIT), Vivienne Sze e seus colegas estão trabalhando em uma solução que poderia permitir o poderoso software operar em celulares.

Vivienne Sze e sua equipe fizeram um avanço no ano passado na criação de um chip de computação eficiente em energia que poderia permitir que dispositivos móveis usassem poderosos sistemas de inteligência artificial. Os pesquisadores têm desde então uma abordagem alternativa para sua pesquisa, criando uma série de novas técnicas para tornar as redes neurais mais eficientes em termos energéticos.

A MIT News informou:

Primeiro, eles desenvolveram um método analítico que pode determinar a quantidade de energia que uma rede neural consumirá quando executada em um tipo específico de hardware. Em seguida, eles usaram o método para avaliar novas técnicas de disseminação nas redes neurais, para que elas funcionem de forma mais eficiente em dispositivos portáteis.

Hartwig Adam, líder da equipe de visão móvel do Google, disse:

Recentemente, muita atividade na comunidade de aprendizado profundo foi direcionada para o desenvolvimento de arquiteturas de redes neurais eficientes para plataformas com dificuldades computacionais. No entanto, a maior parte desta pesquisa está focada em reduzir o tamanho do modelo ou computação, enquanto que para smartphones e muitos outros dispositivos o consumo de energia é de extrema importância devido ao uso da bateria e restrições de calor.

Ele ainda acrescentou:

Espero que outros pesquisadores do campo sigam o exemplo e adotem esta metodologia geral para o projeto de arquitetura do modelo de rede neural.

Mas antes o cientistas ainda têm que solucionar alguns problemas básicos como…

n3m3

Fonte

Compartilhe com as pessoas queridas: