Unos investigadores logran que los transistores se comporten como una neurona humana para mejorar el rendimiento en IA

Si has estado leyendo noticias de IA habrás visto que estamos en un punto donde hemos avanzado mucho sí, pero ya se rumorea que estamos llegando al límite del contenido que se puede utilizar para entrenarla. Llegará un punto donde la inteligencia artificial no sea capaz de saber más o ser más inteligente, pero siempre hay alternativas y avances para ir más allá de esos límites. Unos científicos han encontrado así una forma de que los transistores logren comportarse como una neurona humana y esto mejoraría el rendimiento y los resultados de la IA.

Para poder entrenar un modelo de inteligencia artificial con un LLM de millones de parámetros, se necesita hardware muy potente y eso no es algo que podamos conseguir con una mísera RTX 5090. Aquí estamos hablando de utilizar cientos sino miles de GPU para IA como las de NVIDIA que tienen mucha más memoria. Así pues podemos decir que hay una relación entre el hardware y los resultados que conseguimos al entrenar una IA, aunque por el momento no hay mucho que podamos hacer para cambiar esta relación.

Unos investigadores consiguen hacer transistores que se comportan como una neurona

El hardware va a ser necesario siempre, pero aunque cada vez es más rápido, consume más energía y los modelos de IA son cada vez más complejos. Estamos llegando a un punto donde empresas como Microsoft se plantean utilizar energía nuclear para entrenar la inteligencia artificial. Para poder reducir el consumo energético hay que diseñar hardware más eficiente a la hora de entrenar la IA y precisamente ahí entran los aceleradores y chips que se centran en esto. Para poder hacer chips que puedan entrenar la IA de forma rápida y eficiente, unos investigadores han usado como referencia las neuronas humanas y como pueden comunicarse entre ellas y acceder a la "memoria".

Con esto en mente, los investigadores de Arabia Saudí y Singapur han conseguido que los transistores se comporten como una neurona y lo mejor de todo es que solo se necesitan dos transistores para lograrlo. En comparación, un chip actual tiene millones de transistores. Este método resulta muy interesante para un uso como el entrenamiento de IA donde se podrían llegar a sustituir los chips actuales y como funcionan con este tipo de sistema más eficaz.

Solo necesitan dos transistores para crear este sistema neuronal, pero no es lo suficientemente estable y pueden ocurrir errores

El proceso para conseguirlo parte de hacer funcionar un transistor en el modo "punch-through", lo que implica poder utilizar el voltaje de puerta de entrada para poder controlar la carga y así apagarlo o iniciar un pico de actividad. Ajustando el voltaje podían conseguir distintos frecuencias de picos variadas dependiendo del valor de las entradas. Para ver como funcionaba probaron el modo de sinapsis artificial con 6 o más valores que determinaban las señales trasmitidas a las neuronas artificiales que habían creado. Todo funcionaba, pero descubrieron que al añadir un segundo transistor se podía hacer que este funcionase como una neurona más y así poder tener un control estable durante 10 millones de ciclos de reloj.

El único requisito es que estos transistores fueran fabricados como CMOS, algo que no debería ser un problema. Según los investigadores, la principal ventaja de esto es que solo se necesitan dos transistores y podrían implementar muchos de ellos en un chip para crear una especie de "red neuronal". Sus creadores creen que este sistema podría llegar a sustituir a la RAM estática (célula de memoria volátil con al menos 6 transistores) reduciendo el área que necesita para funcionar y disminuyendo el coste por bit. Aunque esta es una clara ventaja, también presenta desventajas, pues los 10 millones de ciclos de reloj es una cifra baja si la comparamos con el hardware actual y podrían ocurrir errores.

La entrada Unos investigadores logran que los transistores se comporten como una neurona humana para mejorar el rendimiento en IA aparece primero en El Chapuzas Informático.