NTT Analysis anunció en su evento de actualización anual que ha comenzado un nuevo grupo de investigación básica de IA, denominado Física del grupo de inteligencia synthetic.
La IA física se ha convertido en un gran problema en 2025, con Nvidia liderando el cargo Para crear datos sintéticos para probar autos autónomos y robótica humanoide para que puedan llegar al mercado más rápido. NTT Analysis está lanzando su grupo físico de inteligencia synthetic (PAI) para ingresar.
El nuevo grupo independiente de NTT Analysis está girando de su laboratorio de Física de Inteligencia (PHI) para avanzar en nuestra comprensión de la “caja negra” de la IA para obtener mejores resultados de confianza y seguridad. NTT Analysis, que tiene un presupuesto anual de I + D de $ 3.6 mil millones, es una división de NTT, la gran compañía de telecomunicaciones de Japón.
El año pasado, NTT creó su visión de “Física de Inteligencia” inicialmente formada en colaboración con el Centro de la Ciencia del Cerebro de la Universidad de Harvard, las contribuciones clave realizadas en los últimos cinco años y la colaboración continua con socios académicos.
El nuevo grupo estará dirigido por Hidenori Tanaka, científico de investigación de NTT y experto en física, neurociencia y aprendizaje automático, en una búsqueda más amplia de la colaboración humana/AI.
El nuevo grupo continuará avanzando un enfoque interdisciplinario para comprender la IA pionera por el equipo en los últimos cinco años.
Al principio, el laboratorio PHI reconoció la importancia de comprender la naturaleza de la “caja negra” de la IA y el aprendizaje automático para desarrollar sistemas novedosos con eficiencia energética drásticamente mejorada para el cálculo. Con la IA ahora avanzando a un ritmo sorprendente, los problemas de confiabilidad y seguridad también se han vuelto críticos para las aplicaciones de la industria y la gobernanza de la adopción de la IA.
En colaboración con los principales investigadores académicos, la física del grupo de inteligencia synthetic tiene como objetivo abordar las similitudes entre las inteligencias biológicas y artificiales, desentrañar aún más las complejidades de los mecanismos de IA y generar confianza que conduce a una fusión más armoniosa de la colaboración humana y de IA. El objetivo es obtener una mejor comprensión de cómo funciona la IA en términos de ser entrenado, acumular conocimiento y tomar decisiones para que podamos diseñar IA cohesiva, segura y confiable en el futuro.
Este enfoque se hace eco de lo que los físicos han hecho durante muchos siglos: las personas entendieron que los objetos se movían cuando se aplican las fuerzas, pero fue la física la que reveló los detalles precisos de la relación, lo que permitió a los humanos diseñar máquinas que conocemos hoy. Por ejemplo, el desarrollo de la máquina de vapor informó nuestra comprensión de la termodinámica, lo que a su vez permitió la creación de semiconductores avanzados. Del mismo modo, el trabajo de este grupo dará forma al futuro de la tecnología de IA.
El nuevo grupo continuará colaborando con el Centro de Ciencias del Cerebro de la Universidad de Harvard (CBS), dirigido por el profesor de Harvard, Venkatesh Murthy, y con el profesor asistente de la Universidad de Princeton (y el ex científico de investigación de NTT) Gautam Reddy. También planea colaborar con la profesora asociada de la Universidad de Stanford, Surya Ganguli, con quien Tanaka es coautora de varios documentos. El equipo central del grupo incluye a Tanaka, la científica de investigación de NTT, Maya Okawa y el compañero postdoctoral de NTT, Ekdeep Singh Lubana.
Las contribuciones anteriores hasta la fecha incluyen:
• Un algoritmo de poda de pink neuronal ampliamente citada (más de 750 citas en solo 4 años)
• Un algoritmo de remoción de sesgo para modelos de idiomas grandes (LLM), reconocido por el Instituto Nacional de Normas y Tecnología de los Estados Unidos por sus concepts científicas y prácticas; y
• Nuevas concepts sobre la dinámica de cómo AI aprende conceptos
En el futuro, la física del grupo de inteligencia synthetic tiene una misión triple. 1) Tiene la intención de profundizar nuestra comprensión de los mecanismos de la IA, todo mejor para integrar la ética desde adentro, en lugar de a través de un mosaico de ajuste (es decir, el aprendizaje forzado). 2) Préstamo de la física experimental, continuará creando espacios sistemáticamente controlables de IA y observará los comportamientos de aprendizaje y predicción de la IA paso a paso. 3) Aspira a sanar la violación de la confianza entre la IA y los operadores humanos a través de operaciones mejoradas y management de datos.
“Hoy marca un nuevo paso hacia la comprensión de la AI de la sociedad a través del establecimiento del grupo de física de inteligencia synthetic de NTT Analysis”, dijo el presidente y CEO de NTT Analysis, Kazu Gomi, en un comunicado. “El surgimiento y la rápida adopción de soluciones de IA en todas las áreas de la vida cotidiana han tenido un profundo impacto en nuestra relación con la tecnología. A medida que el papel de la IA continúa creciendo, es imperativo que exploremos cómo la IA hace sentir a las personas y cómo esto puede dar forma al avance de las nuevas soluciones. El nuevo grupo apunta a las preocupaciones y el sesgo en torno a las soluciones de AI para crear un camino armonioso para la coexistencia de AI y la humanidad y el sesgo”.
La física del grupo de inteligencia synthetic abarca un enfoque interdisciplinario para la IA, con la física, la neurociencia y la psicología que se unen. Este enfoque parece más allá de los puntos de referencia convencionales, reconociendo la necesidad de apoyar objetivos como la equidad y la seguridad que conducen a la adopción sostenible de IA. En términos de eficiencia energética, otros grupos en el laboratorio PHI ya se dedican a los esfuerzos para reducir el consumo de energía de las plataformas informáticas de IA a través de la informática óptica y una tecnología de litio de película delgada (TFLN). Además de eso, inspirado en el vasto diferencial entre los vatios consumidos por los LLM y el cerebro humano o animal, el nuevo grupo también explorará formas de aprovechar las similitudes entre cerebros biológicos y redes neuronales artificiales.
“La clave para que la IA exista armoniosamente junto con la humanidad radica en su confiabilidad y cómo abordamos el diseño e implementación de soluciones de IA”, dijo Tanaka, en un comunicado. “Con el surgimiento de este grupo, tenemos un camino a la comprensión de los mecanismos computacionales del cerebro y cómo se relaciona con los modelos de aprendizaje profundo. Mirando hacia el futuro, nuestra investigación espera lograr algoritmos y {hardware} inteligentes más naturales a través de nuestra comprensión de la física, la neurociencia y el aprendizaje automático”.
Desde 2019, el laboratorio PHI ha encabezado la investigación para nuevas formas de sistemas de computación al aprovechar las tecnologías basadas en la fotónica. Los dispositivos basados en TFLN se exploran a través de este esfuerzo, mientras que la máquina de ising coherente proporciona nuevas perspectivas sobre problemas de optimización complejos históricamente muy difíciles de resolver en las computadoras clásicas.
Además de un acuerdo de investigación conjunto (JRA) con Harvard, el Laboratorio Phi ha trabajado a lo largo de los años con el Instituto de Tecnología de California (Caltech), la Universidad de Cornell, la Universidad de Harvard, el Instituto de Tecnología de Massachusetts (MIT), la Universidad de Notre Dame, la Universidad de Stanford, la Universidad de Tecnología de Swinburne, la Universidad de Michigan y el Centro de Investigación de Nasa Ames. En complete, el laboratorio PHI ha entregado más de 150 artículos, cinco apareciendo en la naturaleza, uno en ciencia y veinte revistas hermanas de la naturaleza.
NTT anuncia un chip de inferencia de IA para el procesamiento de video 4K en tiempo actual
NTT Corp. también anunció una nueva integración a gran escala (LSI) para el procesamiento de inferencia de IA en tiempo actual del video de extremely alta definición de hasta 4K-resolución y 30 cuadros por segundo (FPS). Esta tecnología de baja potencia está diseñada para implementaciones terminales de borde y potencia en las que la inferencia convencional de IA requiere la compresión del video de extremely alta definición para el procesamiento en tiempo actual.
Por ejemplo, cuando este LSI se instala en un dron, el dron puede detectar individuos u objetos desde hasta 150 metros (492 pies) sobre el suelo, la altitud máxima authorized de la vuelo de drones en Japón, mientras que la tecnología de videoceneración de IA en tiempo actual convencional limitaría las operaciones de ese dron a unos 30 metros (98 pies). Un caso de uso incluye avanzar en la inspección de infraestructura a drones para operaciones más allá de la línea de visión visible de un operador, reduciendo la mano de obra y los costos.
“La combinación de inferencia de IA de baja potencia con un video extremely alta definición tiene un enorme
Cantidad de potencial, desde la inspección de la infraestructura hasta la seguridad pública hasta los eventos deportivos en vivo “, dijo Gomi, en un comunicado.” El LSI de NTT, que creemos que es el primero de su tipo en lograr tales resultados, representa un importante paso adelante para permitir la inferencia de IA en el borde y para los terminales de poder “.
En terminales de borde y potencia, los dispositivos de IA se limitan al consumo de energía, un orden de magnitud más bajo que el de las GPU utilizadas en los servidores AI; Decenas de vatios por los primeros en comparación con cientos de vatios por el segundo. El LSI supera estas restricciones mediante la implementación de un motor de inferencia AI creado por NTT. Este motor scale back la complejidad computacional al tiempo que garantiza la precisión de la detección, mejorando la eficiencia de la computación utilizando la correlación interframe y el management dinámico de precisión de bits. Ejecución del algoritmo de detección de objetos Solo mira una vez (Yolov3) usando este LSI es posible con un consumo de energía de menos de 20 vatios.
NTT planea comercializar este LSI dentro del año fiscal 2025 a través de su empresa operativa NTT Modern Gadgets Company. NTT anunció y demostró este LSI en la actualización, la cumbre anual de investigación e innovación de la compañía. La actualización 2025 se celebra en San Francisco del 9 al 10 de abril de 2025.
Mirando hacia el futuro, los investigadores están estudiando la aplicación de este LSI a la infraestructura centrada en datos (DCI) de la innovadora iniciativa de pink óptica e inalámbrica (IOWN) dirigida por NTT y el Foro World IOWN. DCI aprovecha las capacidades de alta velocidad y de baja latencia de la pink Ilown All-Photonics para abordar los desafíos de la infraestructura de redes modernas, incluidos los obstáculos para la escalabilidad, las limitaciones en el rendimiento y el alto consumo de energía.
Además, los investigadores de NTT están colaborando con NTT Knowledge, Inc. sobre el avance de este LSI en relación con sus tecnologías de cifrado basado en atributos (ABE) patentado. ABE permite el management de acceso de grano fino y la configuración de políticas flexibles en la capa de datos, con tecnologías de cifrado de secreto compartido que permiten compartir datos seguros que pueden integrarse en aplicaciones y tiendas de datos existentes.
La identidad de IOWN
Y ayer, NTT anunció que Akira Shimada, presidenta y directora ejecutiva de NTT, y Katsuhiko Kawazoe, vicepresidenta ejecutiva senior y CTO de NTT, han publicado un libro, La identidad de IOWNen el que discuten la iniciativa Ilown (innovadora pink óptica e inalámbrica) encabezada por NTT, un world
Líder de tecnología.
El libro recientemente traducido explora la visión de NTT de IOWN y cómo permitirá una sociedad más sostenible en un mundo cada vez más basado en datos.
“The Id of Iown” ahora está disponible en Amazon después de la publicación durante la Cumbre Anual de Investigación e Innovación de NTT, Actualade. La actualización 2025 se celebra en San Francisco del 9 al 10 de abril de 2025.
