Glosario

Circuito integrado de aplicación específica (ASIC)

¿Qué es Circuito integrado de aplicación específica (ASIC)?

Un circuito integrado de aplicación específica (ASIC) es un chip diseñado para una tarea concreta, en lugar de para uso general como un procesador central. En IA, los ASIC se adaptan a los cálculos de las redes neuronales, como las Tensor Processing Units (TPU) de Google. Para esa tarea son más rápidos y eficientes energéticamente que los chips de uso general, pero resultan caros de desarrollar y poco adaptables a nuevas cargas de trabajo.

Temas

Hardware
Chips
Infraestructura de IA

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Computación neuromórfica

La computación neuromórfica es un enfoque de hardware y software inspirado en la estructura del cerebro. En lugar de mover datos entre memoria y procesador separados al ritmo de un reloj, neuronas y sinapsis artificiales trabajan en paralelo y solo reaccionan ante eventos llamados impulsos (spikes). Esto promete un consumo energético muy bajo, por ejemplo en sensores o robots. Chips de investigación conocidos son Intel Loihi e IBM TrueNorth; el uso comercial amplio aún está empezando.

hardware
investigación
+1

Aprendizaje profundo

El aprendizaje profundo (deep learning) es una rama del aprendizaje automático que utiliza redes neuronales artificiales con muchas capas. Estas redes aprenden por sí mismas, a partir de grandes cantidades de datos, qué rasgos son importantes, desde bordes en imágenes hasta relaciones de significado en textos. Es la base de los modelos de lenguaje actuales, del reconocimiento de imágenes y voz y de la traducción automática, y suele requerir mucha potencia de cálculo y datos.

redes neuronales
aprendizaje automático
+1

Redes neuronales artificiales (RNA)

Las redes neuronales artificiales (RNA) son modelos de cálculo formados por muchas unidades conectadas («neuronas»), organizadas en capas, que procesan las entradas mediante conexiones ponderadas. Durante el entrenamiento, los pesos se ajustan paso a paso a partir de ejemplos, normalmente con retropropagación. Las RNA son la base del aprendizaje profundo y están en el reconocimiento de imágenes y de voz y en los grandes modelos de lenguaje. Pese a su inspiración biológica, funcionan de forma mucho más simple que el cerebro humano.

Aprendizaje profundo
Fundamentos de IA
+1