\n<\/p>\n
Puede entrenar la inteligencia artificial para que reconozca rostros, por ejemplo, pero antes de que eso tenga \u00e9xito, la IA primero debe tomar millones de pasos de pr\u00e1ctica. Una nueva forma de entrenar la IA ahorra tiempo, energ\u00eda y potencia inform\u00e1tica.<\/p>\n
<\/p>\n
La inteligencia artificial (IA) est\u00e1 mejorando en la realizaci\u00f3n de tareas complejas, pero entrenar la IA requiere una enorme cantidad de poder de c\u00f3mputo. Una t\u00e9cnica m\u00e1s eficiente podr\u00eda reducir a la mitad el tiempo, la energ\u00eda y la potencia inform\u00e1tica necesaria.<\/p>\n
La inteligencia artificial a menudo utiliza un m\u00e9todo que aprendizaje profundo<\/a><\/em> se llama. La IA consiste en una red de ‘c\u00e9lulas nerviosas’ artificiales. Estos est\u00e1n vinculados entre s\u00ed por un c\u00f3digo de computadora, que toma entradas, les asigna un cierto peso y luego devuelve una salida alterada. De esta forma, la red se parece a una versi\u00f3n aproximada de nuestro cerebro, en la que las c\u00e9lulas nerviosas est\u00e1n conectadas entre s\u00ed.<\/p>\n \t\t\tLEA TAMBI\u00c9N Al asignar diferentes pesos a la entrada, la red puede aprender de manera lenta pero segura una determinada tarea, como reconocer rostros o digitalizar textos escritos a mano. Antes de que eso tenga \u00e9xito, la red tiene que cambiar los pesos asignados miles o millones de veces.<\/p>\n Para entrenar un modelo, los investigadores env\u00edan datos a la red, luego de lo cual eval\u00faan la calidad de la salida. Luego calculan un “gradiente”: un valor que dicta c\u00f3mo deben cambiar los pesos para mejorar el resultado. Durante este proceso, los datos se mueven constantemente de un lado a otro a trav\u00e9s de la red, estableciendo lentamente el gradiente.<\/p>\n At\u0131l\u0131m Gune\u015f Baydin<\/a>, un investigador de IA de la Universidad de Oxford, ahora ha simplificado ese proceso con sus colegas. En lugar de tener que realizar el proceso en dos pasos, con los datos yendo y viniendo, ahora se puede realizar en un paso<\/a>\u2020 El gradiente se establece con tanta precisi\u00f3n en el primer paso que ya no es necesario un segundo c\u00e1lculo. <\/p>\n En teor\u00eda, esto podr\u00eda reducir a la mitad el tiempo de desarrollo de la IA. El equipo compar\u00f3 su nuevo modelo de IA con un modelo “anticuado” y vio que su IA realizaba sus tareas igual de bien.<\/p>\n
bestias brillantes\n\t\t\t<\/p>\nDe ida y vuelta <\/h2>\n
truco matem\u00e1tico<\/h2>\n