Conclusiones clave
- Una nueva investigación realizada por científicos del MIT señala el camino para adaptar las redes neuronales a dispositivos diminutos.
- MCUNet permite el aprendizaje profundo en sistemas con capacidad de procesamiento y memoria limitadas.
- La innovación también podría permitir dispositivos médicos más inteligentes y ágiles.
Algún día, los parlantes inteligentes y otros dispositivos que conforman el Internet de las cosas (IoT) podrían obtener el poder de la red neuronal para hacer más con menos, dicen los investigadores.
Un nuevo sistema llamado MCUNet permite el diseño de pequeñas redes neuronales en dispositivos IoT, incluso con memoria y capacidad de procesamiento limitadas. Según un artículo de científicos del MIT publicado en el servidor de preimpresión Arxiv, la tecnología podría brindar nuevas capacidades a los dispositivos inteligentes al mismo tiempo que ahorra energía y mejora la seguridad de los datos.
La investigación "es una de esas ideas brillantes que parece obvia cuando la escuchas", dijo John Suit, asesor de CTO en la empresa de robótica KODA, en una entrevista por correo electrónico. "Es un enfoque elegante del problema. Esta investigación es muy importante porque eventualmente permitirá la optimización en tiempo real de las redes neuronales para cualquier dispositivo en el que el algoritmo pueda conocer los recursos".
Lo que esto realmente muestra es que la potencia no tiene que estar ligada al tamaño…
Grandes cálculos en dispositivos pequeños
Los dispositivos IoT generalmente se ejecutan en chips de computadora sin sistema operativo, lo que dificulta la ejecución de tareas de reconocimiento de patrones como el aprendizaje profundo. Para un análisis más intenso, los datos recopilados por IoT a menudo se procesan en la nube, aunque son vulnerables a la piratería.
Hay muchas cosas que las redes neuronales podrían hacer para mejorar el creciente número de dispositivos IoT, pero el tamaño ha sido un problema.
"Para mover las redes hacia abajo en el dispositivo, lo cual ha resultado difícil, necesitaría encontrar una manera de optimizar el espacio de búsqueda para una variedad de microcontroladores", explicó Suit. "Un sistema estándar o genérico no funcionaría debido a las tolerancias de recursos en los dispositivos IoT. Piense en procesadores muy pequeños y de muy baja potencia en términos de potencia de procesamiento".
Ahí es donde entra en juego el trabajo de los investigadores del MIT.
"¿Cómo implementamos redes neuronales directamente en estos pequeños dispositivos?" el autor principal del estudio, Ji Lin, Ph. D. estudiante del Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT, en un comunicado de prensa. "Es una nueva área de investigación que se está poniendo muy de moda. Empresas como Google y ARM están trabajando en esta dirección."
TinyEngine al rescate
El grupo del MIT diseñó dos componentes necesarios para el funcionamiento de las redes neuronales en microcontroladores. Una parte es TinyEngine, que es similar a un sistema operativo, pero reduce el código a lo esencial. Otro es TinyNAS, un algoritmo de búsqueda de arquitectura neuronal.
"Tenemos muchos microcontroladores que vienen con diferentes capacidades de potencia y diferentes tamaños de memoria", dijo Lin. "Así que desarrollamos el algoritmo [TinyNAS] para optimizar el espacio de búsqueda para diferentes microcontroladores. La naturaleza personalizada de TinyNAS significa que puede generar redes neuronales compactas con el mejor rendimiento posible para un microcontrolador dado, sin parámetros innecesarios. Luego, entregamos la versión final, modelo eficiente para el microcontrolador."
Es un enfoque elegante del problema.
El trabajo de Lin podría traducirse en dispositivos médicos más inteligentes y ágiles.
"Lo que esto realmente muestra es que el poder no tiene que estar ligado al tamaño, y en los hospitales, donde todo se mueve rápidamente en espacios reducidos, eso puede significar literalmente la diferencia entre la vida y la muerte", Kevin Goodwin, CEO de EchoNous, una empresa que fabrica dispositivos médicos asistidos por IA, en una entrevista por correo electrónico.
Goodwin dijo que su equipo pasó años construyendo y entrenando una red neuronal que luego podría usarse para mapear las estructuras del corazón en una ecografía en tiempo real, todo en un dispositivo portátil llamado KOSMOS que pesa menos de dos libras.
"Ahora los médicos pueden moverse fácilmente de una habitación a otra y obtener exploraciones con calidad de diagnóstico con la guía de la IA", agregó. "No tienen que enviar a los pacientes a otro lugar para esos escaneos o perder un tiempo crítico desinfectando la maquinaria basada en carros".
MCUNet es una emocionante mirada a un mundo donde los pequeños dispositivos podrían ser más inteligentes que nunca. A medida que la cantidad de dispositivos IoT crezca rápidamente, buscaremos de todo, desde dispositivos inteligentes hasta dispositivos médicos, para tener sus propias redes neuronales.
