Un algoritmo se encargará de acelerar la ejecución de apps que utilizan la Inteligencia Artificial.
Cada vez abundan más los teléfonos inteligentes a los que se le aplica la inteligencia artificial, esto está provocando que los modelos de aprendizaje profundo se hagan más pequeños para permitir que las aplicaciones se ejecuten más rápido y ahorren batería. Los investigadores del MIT han buscado una solución para mejorar la forma de comprimir los modelos.
Hace un mes dieron a conocer al algoritmo a través de una publicación en Twitter.
«Las cosas estándar que las personas hacen para podar sus modelos son locamente complicadas«, explica Alex Renda, doctora por el MIT. Encontraron el algoritmo a través del trabajo presentado en ICLR «Hipótesis del boleto de Lotería premiado», donde demostraron que una red neuronal profunda podía funcionar con solo una décima parte del número de conexiones si se encontraba la subred correcta al comienzo del entrenamiento de la inteligencia artificial.
Song Han, profesorasistente del MIT, fue un pionero. Basándose en una serie de documentos influyentes, Han dio a conocer un algoritmo de poda que llamó AMC, o AutoML para la compresión de modelos, que sigue siendo el estándar de la industria. Ahora ha confesado que cambiará el enfoque de los modelos de IA de compresión, para diseñar modelos pequeños y eficientes desde el principio. Su método más reciente, Once for All, debutó en el ICLR, un nuevo método de tasa de aprendizaje. Sobre el ha dicho: «Estoy feliz de ver nuevas técnicas de poda y reentrenamiento que están evolucionando, dando a más personas acceso a aplicaciones de IA de alto rendimiento«.
