Kioxia Corporation, líder mundial en soluciones de memoria, ha desarrollado un sistema de clasificación de imágenes basado en IA centrada en la memoria, una tecnología de IA que utiliza almacenamiento de alta capacidad. El sistema clasifica imágenes utilizando una red neuronal que hace referencia al conocimiento guardado en el almacenamiento externo de alta capacidad. Esto evita el “olvido catastrófico”, uno de los mayores desafíos de las redes neuronales y permite agregar o actualizar el conocimiento sin perder el conocimiento actual. Esta tecnología fue presentada el 25 de octubre en la sesión oral de la European Conference on Computer Vision 2022 (Conferencia Europea sobre Visión por Computadoras, ECCV 2022) en Tel Aviv, una de las principales conferencias en el campo de la visión por computadoras. En las técnicas convencionales de IA, las redes neuronales se entrenan para adquirir conocimientos actualizando los parámetros llamados “pesos”. Una vez que están totalmente entrenadas, a fin de adquirir nuevos conocimientos, las redes neuronales deben volver a entrenarse desde el principio o ajustarse con nuevos datos. La primera requiere mucho tiempo y consume costos importantes de energía, mientras que la segunda requiere que se actualicen los parámetros y se enfrenta al problema del olvido catastrófico de perder el conocimiento adquirido en el pasado, lo que implica un deterioro de la exactitud de la clasificación.
Para abordar los problemas del costo y la exactitud de los sistemas de clasificación de imagines basados en la red neuronal, la nueva solución almacena grandes cantidades de datos de imágenes, rótulos y mapas de características de imagen como conocimiento en un almacenamiento de alta capacidad. La red neuronal después clasifica imágenes haciendo referencia a ese conocimiento almacenado. Utilizando este método, se puede agregar o actualizar el conocimiento agregando rótulos de imágenes recién obtenidas y mapas de características a los datos almacenados. Dado que no es necesario volver a entrenar o actualizar los pesos, lo que puede provocar el “olvido catastrófico”, se puede mantener la clasificación de la imagen con más precisión.
Además, al usar los datos referidos desde el almacenamiento cuando la red neuronal clasifica imágenes, se pueden visualizar la base para los resultados de la clasificación, lo que se espera que mejore la explicación de la IA y aliviar el problema de la caja negra, permitiendo en su lugar la modificación selectiva de las fuentes de conocimiento. Además, analizando los datos consultados, se puede evaluar la contribución de cada dato almacenado según la frecuencia de las referencias. Kioxia, guiada por su misión de “Mejorar el mundo con la ‘memoria’”, seguirá contribuyendo al desarrollo de las tecnologías de IA y almacenamiento expandiendo la IA centrada en la memoria más allá de la clasificación de imágenes a otras áreas y promoviendo la investigación y el desarrollo de la tecnología de IA utilizando almacenamiento de alta capacidad.
Acerca de la IA centrada en la memoria
Video introductorio: IA centrada en la memoria, Parte I: De qué modo los principales ingenieros de Kioxia están desarrollando una IA que confía en la memoria brand.kioxia.com/en-jp/articles/article25.html. IA centrada en la memoria, Parte II: Una Internet de memorias: Lluvia de ideas que usa la IA centrada en la memoria https://brand.kioxia.com/en-jp/articles/article26.html.
Acerca de ECCV
La European Conference on Computer Vision 2022 (ECCV 2022) es una de las principales conferencias en el campo de la visión por computadoras. En los últimos años, la ECCV se ha establecido como el primer lugar para la presentación de trabajos de investigación en materia de IA, entre los que se incluyen clasificación de imágenes, detección de objetos y otras tecnologías que usan aprendizaje profundo. Este año, el índice de aceptación de la presentación oral fue de un 2,7 %.
