Intel revela Hala Point, una supercomputadora diseñada para emular el cerebro humano
La era de la computación inspirada en el cerebro acaba de dar sus primeros pasos de la mano de Intel y el primer sistema neuromórfico de la industria. Con 1.15 mil millones de neuronas, su misión es allanar el camino hacia una inteligencia artificial más eficiente y escalable.
Bautizado como Hala Point, este innovador sistema se implementará inicialmente en los Laboratorios Nacionales Sandia. Utiliza el procesador Loihi 2 de Intel y tiene como objetivo apoyar la investigación de la futura inteligencia artificial (IA) inspirada en el cerebro humano.
«El costo computacional de los modelos de IA actuales aumenta a tasas insostenibles. La industria necesita enfoques fundamentalmente nuevos capaces de escalar. Por esa razón, desarrollamos Hala Point, que combina la eficiencia del aprendizaje profundo con novedosas capacidades de aprendizaje y optimización inspiradas en el cerebro», afirmó Mike Davies, director del Laboratorio de Computación Neuromórfica de Intel Labs. «Esperamos que la investigación con Hala Point impulse la eficiencia y adaptabilidad de la tecnología de IA a gran escala».
¿Qué hace Hala Point exactamente?
La ingeniería neuromórfica, un concepto introducido por Carver Mead en la década de 1980, busca imitar el funcionamiento del cerebro humano utilizando sistemas de integración a muy gran escala (VLSI) con circuitos analógicos que replican las estructuras neurobiológicas presentes en nuestro sistema nervioso.
Crédito: Intel Coporation.
Hala Point es ahora el sistema más grande de este tipo. Puede soportar hasta 20 quintillones de operaciones por segundo (20 petaops) con una eficiencia que supera los 15 billones de operaciones de 8 bits por segundo por vatio (TOPS/W) al ejecutar redes neuronales profundas convencionales. Esto rivaliza y supera los niveles alcanzados por arquitecturas basadas en unidades de procesamiento gráfico (GPU) y unidades centrales de procesamiento (CPU).
Las capacidades únicas de Hala Point podrían permitir el aprendizaje continuo en tiempo real para aplicaciones de IA como la resolución de problemas científicos y de ingeniería, la logística, la gestión de infraestructura de ciudades inteligentes, los modelos de lenguaje grande (LLM) y los agentes de IA.
Crédito: Intel Corporation.
¿Cómo se utilizará?
Ampliando lo dicho más arriba, los investigadores de los Laboratorios Nacionales Sandia utilizarán Hala Point para la investigación avanzada de computación a escala cerebral. La organización se centrará en resolver problemas de computación científica en física de dispositivos, arquitectura informática, ciencias de la computación e informática.
«Trabajar con Hala Point mejora la capacidad de nuestro equipo de Sandia para resolver problemas de modelado computacional y científico. La investigación con un sistema de este tamaño nos permitirá mantener el ritmo de la evolución de la IA en campos que van desde el comercial hasta la defensa y la ciencia básica», dijo Craig Vineyard, líder del equipo de Hala Point.
El equipo de investigación de neuromórfica de Intel posando junto a Hala Point. Crédito: Intel Corporation.
Intel anticipa que esto conducirá a avances prácticos, como la capacidad de los LLM para aprender continuamente a partir de nuevos datos, lo cual promete reducir significativamente la carga de entrenamiento insostenible de las actuales implementaciones generalizadas de IA.
¿Por qué es importante?
Las tendencias recientes en el escalado de modelos de aprendizaje profundo a billones de parámetros han expuesto desafíos desalentadores de sostenibilidad en la IA y han subrayado la necesidad de innovación en los niveles más bajos de la arquitectura del hardware. La computación neuromórfica es un enfoque fundamentalmente nuevo que se basa en los conocimientos de la neurociencia para integrar la memoria y la computación con un paralelismo altamente granular para minimizar el movimiento de datos.
Por ejemplo, los procesadores neuromórficos Loihi 2 —que forman la base de Hala Point— aplican principios informáticos inspirados en el cerebro, como redes neuronales de impulsos, lo que permite que las neuronas se comuniquen directamente entre sí en lugar de hacerlo a través de la memoria. Esto último resulta en una reducción significativa del consumo general de energía.
