{"id":490333,"date":"2023-03-01T20:01:19","date_gmt":"2023-03-01T20:01:19","guid":{"rendered":"https:\/\/magazineoffice.com\/chip-neuronal-juega-doom-usando-una-milesima-de-vatio\/"},"modified":"2023-03-01T20:01:21","modified_gmt":"2023-03-01T20:01:21","slug":"chip-neuronal-juega-doom-usando-una-milesima-de-vatio","status":"publish","type":"post","link":"https:\/\/magazineoffice.com\/chip-neuronal-juega-doom-usando-una-milesima-de-vatio\/","title":{"rendered":"Chip neuronal juega Doom usando una mil\u00e9sima de vatio"},"content":{"rendered":"<p> <br \/>\n<\/p>\n<div id=\"article-body\">\n<p>Doom es el juego que se convirti\u00f3 en un referente.  Desde sus humildes comienzos en una PC 386, ha sido portado para ejecutarse en todo, incluso en el humilde Raspberry Pi Pico.  \u00abGran cosa\u00bb, dices, pero esta historia de IEEE Spectrum se aleja de ejecutar Doom en hardware de menor especificaci\u00f3n.  \u00a1En cambio, vemos c\u00f3mo un chip de potencia ultra baja ha aprendido a jugar Doom usando solo un milivatio de potencia!<\/p>\n<p>Cuantifiquemos 1 Milivatio de potencia.  Es 1\/1000 de vatio, pero incluso ese bajo nivel de consumo de energ\u00eda es dif\u00edcil de comprender.  Tomemos, por ejemplo, la RTX 4090 de Nvidia, esta tarjeta puede consumir alrededor de 400-450 vatios de energ\u00eda.  Eso es aproximadamente 400,000 veces m\u00e1s energ\u00eda que la que usa el NDP200 de Syntiant.  Claro, el NDP200 no aparecer\u00e1 en nuestra lista de las mejores GPU, ya que se trata m\u00e1s de usar datos para tomar decisiones basadas en el entrenamiento.  El asesinato de Doom es solo por diversi\u00f3n.<\/p>\n<aside class=\"hawk-nest\" data-render-type=\"fte\" data-skip=\"dealsy\" data-widget-type=\"seasonal\"\/>\n<p>El NDP200 (Procesador de decisi\u00f3n neuronal) de Syntiant es un chip de potencia ultrabaja para redes neuronales.  Se utiliza principalmente para monitorear video y audio para desencadenar eventos a los que reaccionar\u00e1n otros sistemas.  El NDP200 puede funcionar hasta a 100 MHz e incluso tiene 26 pines GPIO, como el Raspberry Pi original.<\/p>\n<p>Syntiant entren\u00f3 la red neuronal del NDP200 utilizando VizDoom, una versi\u00f3n de Doom utilizada para la investigaci\u00f3n de IA y el aprendizaje de refuerzo a partir de informaci\u00f3n visual sin procesar.  El entrenamiento requer\u00eda comprender lo que estaba viendo la red neuronal, principalmente identificando al enemigo y, en \u00faltima instancia, definiendo una respuesta.  En este caso, ver demonio, disparar demonio.  El \u00abjugador\u00bb tiene la tarea de defender una habitaci\u00f3n circular que est\u00e1 bajo ataque constante.  La red neuronal tuvo que aprender a jugar Doom, lo que tambi\u00e9n signific\u00f3 aprender a conservar municiones.  La red neuronal constaba de aproximadamente 600 000 par\u00e1metros, todos los cuales se comprimieron en los 640 Kb de RAM y el n\u00facleo neuronal del NDP200, funcionando a 9 gigabytes por segundo.<\/p>\n<p>El prop\u00f3sito de la demostraci\u00f3n no es mostrar qu\u00e9 tan bien puede jugar Doom, sino demostrar qu\u00e9 tan eficiente es el NDP200 en la \u00abdetecci\u00f3n de personas en el cuadro delimitador\u00bb, lo que normalmente requerir\u00eda un procesador mucho m\u00e1s potente.  Usando solo 1 milivatio de potencia para escanear seis fotogramas de video para realizar esta tarea, el NDP200 podr\u00eda integrarse f\u00e1cilmente en los sistemas de seguridad del hogar y del veh\u00edculo.  Syntiant afirma que esto es 1\/100 de la potencia que tiene un Arm Cortex A53, el mismo chip Arm que alimenta la Raspberry Pi 3.<\/p>\n<p>Por ahora, la IA del NDP200 limita su carnicer\u00eda a los demonios.  Solo esperamos que no comience a hablar con el chatbot de Bing.<\/p>\n<\/div>\n<p><br \/>\n<br \/><a href=\"https:\/\/magazineoffice.com\/\">Source link-41<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Doom es el juego que se convirti\u00f3 en un referente. Desde sus humildes comienzos en una PC 386, ha sido portado para ejecutarse en todo, incluso en el humilde Raspberry&hellip;<\/p>\n","protected":false},"author":1,"featured_media":490334,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21980],"tags":[611,1862,7544,80109,64210,73,2337,55565],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/490333"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=490333"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/490333\/revisions"}],"predecessor-version":[{"id":490335,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/490333\/revisions\/490335"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/490334"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=490333"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=490333"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=490333"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}