TED2021-132513B-I00
Financiado
HACIA UNA IA SOSTENIBLE: APRENDIZAJE CONTINUO PARA EL ENTRENAMIENTO ENERGETICAMENTE EFICIENTE DE REDES NEURONALES PROFUNDAS
EL APRENDIZAJE PROFUNDO ES UNA TECNICA DIGITAL DISRUPTIVA Y ES UNO DE LOS FACTORES PRINCIPALES EN LA REVOLUCION ACTUAL DE LA IA. SU EXITO SE HA VISTO IMPULSADO POR LA DISPONIBILIDAD DE GRANDES CONJUNTOS DE DATOS, GRANDES MODELOS D...
EL APRENDIZAJE PROFUNDO ES UNA TECNICA DIGITAL DISRUPTIVA Y ES UNO DE LOS FACTORES PRINCIPALES EN LA REVOLUCION ACTUAL DE LA IA. SU EXITO SE HA VISTO IMPULSADO POR LA DISPONIBILIDAD DE GRANDES CONJUNTOS DE DATOS, GRANDES MODELOS DE APRENDIZAJE PROFUNDO, ASI COMO GPUS MAS POTENTES Y VARIAS MEJORAS ALGORITMICAS PARA LA OPTIMIZACION DE REDES NEURONALES.A PESAR DE SU EXITO, UNA MIRADA MAS EN DETALLE A LOS MODELOS RECIENTES MUESTRA UNA TENDENCIA PROBLEMATICA. HASTA AHORA, EL ENFOQUE PRINCIPAL DE LA COMUNIDAD CIENTIFICA ERA CONTRIBUIR AL PROGRESO DE LA IA CENTRANDOSE UNICAMENTE EN MEJORAR EL RENDIMIENTO DE LOS MODELOS. ESTO IMPLICO UN ESFUERZO COMPUTACIONAL INTENSIVO, AL EJECUTAR MULTIPLES VECES, VARIAS INSTANCIAS DEL ALGORITMO, EN MAQUINAS SEPARADAS, PARA BUSCAR LAS MEJORES CONFIGURACIONES DEL MODELO E LOS HIPERPARAMETROS. PERO INVESTIGACIONES RECIENTES CONCLUYERON QUE LOS CALCULOS INTENSIVOS PODRIAN TENER UN IMPACTO AMBIENTAL Y CLIMATICO SIGNIFICATIVO.POR LO TANTO, LA TRANSICION DIGITAL TIENE COMO OBJETIVO MEJORAR LAS TECNOLOGIAS QUE SON NECESARIAS PARA UNA ECONOMIA Y UNA SOCIEDAD DIGITALES SOSTENIBLES MEDIANTE EL USO DE TECNOLOGIAS DIGITALES DISRUPTIVAS. REDUCIR LA HUELLA DE CARBONO DEL SECTOR DE LA IA ES UNO DE LOS PRINCIPALES RETOS DE LA TRANSICION DIGITAL. ADEMAS, LA TRANSICION DEBERIA PERMITIR A LOS CIUDADANOS UN MAYOR CONTROL Y PROTECCION DE SUS DATOS.EN ESTA PROPUESTA PRETENDEMOS AVANZAR EN EL ESTADO DEL ARTE EN APRENDIZAJE CONTINUO, COMO ESTRATEGIA PARA ENTRENAR MODELOS DE APRENDIZAJE PROFUNDO, CON EL FIN DE CUMPLIR CON ESTOS DOS REQUISITOS: EFICIENCIA ENERGETICA Y PRIVACIDAD DE LOS DATOS. EL OBJETIVO ES REEMPLAZAR EL PARADIGMA ACTUAL DE ENTRENAMIENTO DE REDES NEURONALES QUE REQUIERE ENTRENAMIENTO DESDE CERO CUANDO LLEGAN NUEVOS DATOS, CON UNA ESTRATEGIA DE ENTRENAMIENTO CONTINUO. ESTOS ALGORITMOS PERMITEN APROVECHAR LOS CONOCIMIENTOS ADQUIRIDOS PREVIAMENTE Y EVITAN EL GASTO EXCESIVO DE ENERGIA PARA ENTRENAR DESDE CERO. ESTE ES UN PASO IMPORTANTE HACIA UNA IA MAS SOSTENIBLE. EN PARTICULAR, NOS CENTRAREMOS EN LOS SIGUIENTES ASPECTOS DEL APRENDIZAJE CONTINUO: (I) MODELOS DE INSPIRACION BIOLOGICA BASADOS ​​EN LA REPETICION DE LOS DATOS; (II) LOS DATOS ORIGINALES NO SE GUARDARAN, PERO NUESTRO METODO UTILIZARA REPRESENTACIONES DE LOS MISMO, QUE SON VERSIONES CODIFICADAS DE LOS DATOS ORIGINALES; Y FINALMENTE, (III) PROPONDREMOS UN SISTEMA DE EVALUACION COMPLETO, QUE TENDRA EN CUENTA NO SOLO EL RENDIMIENTO DEL MODELO (PRECISION) SINO TAMBIEN METRICAS ADICIONALES, NO UTILIZADAS ANTES, COMO: USO DE MEMORIA (TAMAÑO DEL MODELO), COMPLEJIDAD COMPUTACIONAL, USO DE ENERGIA (EN TERMINOS DE EMISIONES DE CO2), Y LA VELOCIDAD.LOS ALGORITMOS Y LOS CONOCIMIENTOS DESARROLLADOS EN ESTE PROYECTO SE PUEDEN APLICAR A UNA GRAN CANTIDAD DE APLICACIONES QUE SE BASAN EN EL APRENDIZAJE PROFUNDO. EN LA MAYORIA DE LAS APLICACIONES, LAS REDES PROFUNDAS DEBEN ACTUALIZARSE PERIODICAMENTE A LA NUEVA REALIDAD DE LOS DATOS VISUALES. ESTO INCLUYE SISTEMAS DE CONDUCCION AUTONOMA, APLICACIONES DE LA INDUSTRIA DE LA MODA, ROBOTICA, CIUDADES INTELIGENTES, ETC. OTRA CLASE IMPORTANTE DE APLICACIONES SON AQUELLAS QUE TIENEN PROTOCOLOS ESTRICTOS DE PRIVACIDAD QUE LIMITAN EL ACCESO A SUS DATOS. ESTOS INCLUYEN ALGORITMOS PARA DATOS MEDICOS (QUE NO SE PUEDEN ALMACENAR) O DISPOSITIVOS MOVILES DONDE LOS DATOS DEL USUARIO NO SE PUEDEN ALMACENAR EN UN SERVIDOR CENTRAL DEBIDO A LA CONFIGURACION DE PRIVACIDAD Y NECESITAN EJECUTARSE CON POCOS RECURSOS. ISION ARTIFICIAL\EFICIENCIA ENERGETICA\TRANSICION DIGITAL\APRENDIZAJE CONTINUO\APRENDIZAJE PROFUNDO
ver más
Línea de financiación: concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01
AEI
No se conoce la línea exacta de financiación, pero conocemos el organismo encargado de la revisión del proyecto.
Presupuesto
El presupuesto total del proyecto asciende a
260K€
Líder del proyecto
CENTRO DE VISIÓN POR COMPUTADOR
No se ha especificado una descripción o un objeto social para esta compañía.
