“Hablar con Jensen Huang debería venir con una etiqueta de advertencia. El CEO de Nvidia está tan interesado en hacia dónde se dirige la IA que, después de casi 90 minutos de animada conversación, salí convencido de que el futuro será un nirvana de redes neuronales. Pude verlo todo: un renacimiento de los robots, regalos médicos del cielo, autos sin conductor, chatbots que recuerdan ”.
La IA generativa, el último regalo para los especialistas en marketing y profesionales de la experiencia del cliente, ha sido un esfuerzo de décadas.
Los investigadores han estado tratando de construir sinapsis artificiales durante años con la esperanza de acercarse al rendimiento computacional inigualable del cerebro humano. Ahora, un nuevo enfoque ha logrado diseñar unos que son 1.000 veces más pequeños y 10.000 veces más rápidos que sus contrapartes biológicas.
En cada uno de nuestros cerebros, 86 mil millones de neuronas trabajan en paralelo, procesando las entradas de los sentidos y la memoria para producir las muchas hazañas de la cognición humana. Los cerebros de otras criaturas son menos capaces, pero esos animales a menudo exhiben aptitudes innatas para tareas particulares, habilidades perfeccionadas por millones de años de evolución.
Una red neuronal recurrente es un tipo de red neuronal artificial que se usa comúnmente en el reconocimiento de voz y el procesamiento del lenguaje natural . Las redes neuronales recurrentes reconocen las características secuenciales de los datos y usan patrones para predecir el próximo escenario probable.
Dos nuevos enfoques permiten que las redes neuronales profundas resuelvan familias enteras de ecuaciones diferenciales parciales, lo que facilita el modelado de sistemas complicados y lo hace en órdenes de magnitud más rápido.
Las redes neuronales que impulsan la IA actual son increíblemente poderosas, pero entrenarlas puede requerir granjas de servidores enteras y enormes cantidades de energía. Un nuevo enfoque de IBM sugieren s que puede ser capaz de reducir drásticamente que al reducir el número de bits utilizados para llevar a cabo sus cálculos.
¿Qué significa entrenamiento de 4 bits? Bueno, para empezar, tenemos una computadora de 4 bits, y por lo tanto 4 bits de complejidad. Una manera de pensar en esto: cada número que usamos durante el proceso de entrenamiento tiene que ser uno de los 16 números enteros entre -8 y 7, porque estos son los únicos números que nuestro ordenador puede representar. Eso va para los puntos de datos que alimentamos en la red neuronal, los números que usamos para representar la red neuronal y los números intermedios que necesitamos almacenar durante el entrenamiento.
El cerebro humano tiene alrededor de 86 mil millones de neuronas. Transmiten señales a través de sus axones a través de impulsos eléctricos o potenciales de acción. Una neurona puede pasar esa señal a la siguiente en una sinapsis a través de neurotransmisores químicos. La señal es recibida por las dendritas de la siguiente neurona, se propaga por su axón y pasa más adelante.
La tecnología de redes neuronales está cambiando el juego para la búsqueda empresarial y los sistemas de KM. La mayoría de los sistemas de búsqueda y gestión del conocimiento recuperan y gestionan documentos, pero para muchos casos de uso, como políticas, procedimientos, pautas de prueba y documentación de estándares, el análisis a nivel de documentos es simplemente demasiado detallado para proporcionar al usuario las respuestas que busca.