El siguiente paso es vencer a los humanos de manera justa, lo que significa mantenerse dentro del presupuesto de energía de ~ 20 W y 1.3 kg de peso del cerebro humano. ¿Cómo se ven las computadoras en 2017, si tenemos en cuenta la desventaja de potencia y peso?
- En 1997, la computadora de ajedrez IBM Deep Blue pesaba alrededor de 1.4 toneladas y consumía mucha energía (no está claro cuánto, pero probablemente decenas o cientos de kW). Llegó a alrededor de 11.4 GFLOPS, que en 2017 pueden igualar algunas CPU de clase portátil (alrededor de 35 W). En 2009, Pocket Fritz 4 se ejecutó en un teléfono móvil y alcanzó un mayor nivel de rendimiento que Deep Blue. Entonces podemos decir que las computadoras ahora nos han derrotado en el ajedrez.
- En 2011, Watson de IBM venció a los mejores humanos en Jeopardy, utilizando un grupo de 90 servidores que generaban 80 TFLOPS de potencia informática. IBM ahora está vendiendo esta tecnología de inferencia similar a la humana para diversas aplicaciones a través de un modelo SaaS, pero todavía estamos lejos de empacar esa cantidad de potencia informática en una computadora portátil o teléfono.
- En 2016, AlphaGo de Google usó 1 MW para vencer a un humano de clase mundial en Go. Un grupo de ese tamaño es pesado, como debe ser para disipar todo ese poder. Al momento de escribir este artículo, un año después, esa eficiencia energética aún no se ha mejorado.
El descendiente de Deep Blue, Pocket Fritz 4, finalmente nos atrapó debido a la Ley de Moore aplicada a la fabricación de productos electrónicos de silicio, un proceso que tomó 12 años. ¿Pueden Watson y AlphaGo seguir el mismo camino para igualar el rendimiento humano? Parece que la Ley de Moore finalmente estará muerta a mediados de la década de 2020, después de más de 50 años desafiando las probabilidades. Por lo tanto, la tecnología Watson podría reducirse al tamaño del teléfono / computadora portátil justo a tiempo antes de llegar a esa barrera. Sin embargo, AlphaGo no tendrá tiempo suficiente para llegar allí. Las opciones para lograr Pocket-AlphaGo parecen ser:
- Alguna extensión imprevista de la Ley de Moore hasta 2030 y más allá. Esto podría funcionar si alguien gasta suficiente dinero y tiene suerte con la física del material.
- Un nuevo sustrato informático que utiliza una nueva física elegante, como la computación cuántica, la fotónica, formas exóticas de carbono, etc. Es poco probable que este material esté listo a tiempo, pero en otros 20 años podría ayudar.
- Mejoras de eficiencia adicionales utilizando métodos de fabricación de silicio existentes, como ASIC de propósito especial optimizados para Go. Esta es la forma en que muchos desarrollos actuales van para redes profundas y otras aplicaciones. Estos métodos traerán ganancias de eficiencia, pero no está claro si será suficiente para alcanzar la eficiencia a nivel humano para Go.
- Redes neuronales neuromórficas de señal mixta que funcionan en analógico subliminal para lograr mayores reducciones en el consumo de energía, fabricadas utilizando los métodos existentes. Este método podría tener muchos beneficios de consumo de energía a largo plazo, pero la computación de esta manera requiere nuevos algoritmos para manejar de manera sólida los datos ruidosos. Para los contadores esto no es tan bueno, pero para Go podría funcionar.
Divulgación completa: soy fundador de algunas compañías que están desarrollando tecnologías neuromórficas de señal mixta, por lo que pueden adivinar lo que espero que funcione mejor.
- ¿Tendrían miedo las personas de la inteligencia artificial si la película Terminator nunca se creara?
- Cómo calcular el número óptimo de capas para un problema determinado en DNN
- ¿Por qué una futura súper inteligencia artificial asimilaría o derrotaría a otros contendientes?
- ¿Pueden la tecnología, la innovación y los descubrimientos sobrevivir por sí solos utilizando la inteligencia artificial?
- ¿Podemos comparar Internet en su conjunto con inteligencia artificial? ¿Una computadora controlada por un ser humano se consideraría una neurona?