Descripción del proyecto
EN LA ULTIMA DECADA HEMOS SIDO TESTIGOS DE UNA REVOLUCION TECNOLOGICA ASOCIADA AL DESARROLLO DE SISTEMAS DE INTELIGENCIA ARTIFICIAL (IA), IMPULSADA POR LAS ALTAS EXPECTATIVAS Y DEMANDA SOCIAL QUE GENERA, UNA GRAN VARIEDAD DE POSIBLES IMPLEMENTACIONES DE IA EN HARDWARE HA SIDO DESARROLLADA POR DIFERENTES EMPRESAS (GOOGLE, INTEL, HUAWEI, AMAZON, MICROSOFT, IBM, ,,,) BASADAS EN UN CONJUNTO DIVERSO DE ALGORITMOS Y SOLUCIONES HARDWARE DESTINADAS A OPTIMIZAR LA ENERGIA, ESTE ESCENARIO EN EL QUE EXISTE UNA GRAN DIVERSIDAD DE METODOLOGIAS PARA REALIZAR FUNCIONES SIMILARES ES TIPICO DE LAS ETAPAS INICIALES DE TECNOLOGIAS EMERGENTES CON ALTA RELEVANCIA SOCIOECONOMICA, ESTOS PERIODOS DE INTERREGNO SUELEN CONCLUIR CON UNA SOLUCION IMPONIENDOSE A LAS DEMAS Y ABSORBIENDO LA MAYOR PARTE DE ESE MERCADO EMERGENTE, POR TANTO, PODEMOS AFIRMAR QUE ESTAMOS EN UN MOMENTO HISTORICO EN EL QUE EN LOS PROXIMOS AÑOS SE DECIDIRA QUE METODOLOGIA DE IMPLEMENTACION DE HARDWARE EN IA SE ADOPTARA FINALMENTE, COMO CONSECUENCIA DE ELLO, LA EFICIENCIA ENERGETICA SE HA CONVERTIDO EN LA FIGURA DE MERITO MAS RELEVANTE A LA HORA DE EVALUAR UNA TECNOLOGIA IA, LA PRESENTE PROPUESTA DE PROYECTO SE CENTRA EN EL DESARROLLO DE METODOS DE DISEÑO DE HARDWARE-IA DE ALTA EFICIENCIA ENERGETICA PARA SER APLICADOS TANTO EN APLICACIONES DE SUPERCOMPUTACION COMO DE EDGE COMPUTING, EN ESTE PROYECTO SE PROPONEN DIFERENTES METODOLOGIAS DE COMPUTACION NO CONVENCIONALES, QUE COMBINAN EFICIENCIA ENERGETICA, PRECISION, FACILIDAD DE ADAPTACION AL HARDWARE O EXPLICABILIDAD (SISTEMAS XAI), ESTAS METODOLOGIAS SON LA COMPUTACION ESTOCASTICA (SC), ALGEBRA TROPICAL (TA), RESERVOIR COMPUTING (RC) Y REDES PROFUNDAS EN HARDWARE BASADAS EN PROTOTIPOS (RAZONAMIENTO DE MAQUINA PROFUNDA, DMR), LOS SC ESTAN GENERANDO UN INTERES CRECIENTE EN LOS ULTIMOS AÑOS, PUESTO QUE ESTA TECNOLOGIA TIENE MAYOR CAPACIDAD DE PROCESAMIENTO DE INFORMACION POR PUERTA LOGICA, POR OTRO LADO, NUESTRO GRUPO HA COMENZADO A DESARROLLAR NUEVAS METODOLOGIAS PARA LA IMPLEMENTACION DE REDES NEURONALES EN HARDWARE MEDIANTE TA Y QUE SE ADAPTEN MEJOR A LA LOGICA DIGITAL TRADICIONAL (MORPHOLOGICAL NEURAL NETWORKS, MNNS), BASANDOSE EN LA EXPERIENCIA EN ESTOS CAMPOS, EL GRUPO HA TRANSFERIDO EN EL PASADO RECIENTE DIFERENTES APLICACIONES DE IA A VARIAS EMPRESAS, EN ESTE PROYECTO TAMBIEN SE PLANTEA UN TERCER ENFOQUE, CONSISTENTE EN EL DESARROLLO DE TECNICAS PARA LA IMPLEMENTACION HARDWARE DE LAS REDES NEURONALES PROFUNDAS BASADAS EN PROTOTIPOS EXPLICATIVOS, TAMBIEN CONOCIDAS COMO DEEP MACHINE REASONING, DMR, ESTAS REDES HAN SIDO DESARROLLADAS POR EL GRUPO DE INVESTIGACION LIDERADO POR EL PROFESOR PLAMEN ANGELOV DE LA UNIVERSIDAD DE LANCASTER, INVESTIGADOR QUE HA SIDO INCLUIDO EN EL GRUPO DE TRABAJO, LA IDEA ES IMPLEMENTAR EN HARDWARE, MEDIANTE EL USO DE SC Y TA, TODOS LOS ALGORITMOS DE APRENDIZAJE AUTOMATIZADOS Y BASADOS EN PROTOTIPOS QUE EL GRUPO DE LANCASTER HA VENIDO DESARROLLANDO DURANTE LOS ULTIMOS AÑOS, DANDOLE ASI UN MAYOR POTENCIAL AL OPTIMIZAR SU EFICIENCIA ENERGETICA, POR ULTIMO SE PROPONEN APLICACIONES REALES DE LAS TECNICAS A DESARROLLAR EN LOS CAMPOS DE LA GENERACION Y DISTRIBUCION DE ENERGIA ELECTRICA, LA QUIMIOINFORMATICA Y METEOROLOGIA, TODAS ESTAS APLICACIONES SATISFACEN LAS NECESIDADES DE DIFERENTES EMPRESAS QUE PODRIAN ESTAR INTERESADAS EN LA TRANSFERENCIA DE DICHAS TECNOLOGIAS, REDES NEURONALES\AI-HARDWARE\COMPUTACION ESTOCASTICA\RESERVOIR COMPUTING\ALGEBRA TROPICAL\EDGE COMPUTING\HIGH-PERFORMANCE COMPUTING\PROCESAMIENTO DE SONIDOS\PREDICCION METEOROLOGICA\DESCUBRIMIENTO DE FARMACOS