El próximo acto de la IA: chips Genius, silicio programable y el futuro de la informática

Si solo el 10% del mundo tuviera suficiente energía para hacer funcionar un teléfono celular, ¿los dispositivos móviles habrían cambiado el mundo de la forma en que lo hicieron?

A menudo se dice que el futuro ya está aquí, pero que no está distribuido de manera uniforme. Eso es especialmente cierto en el mundo de la inteligencia artificial (IA) y el aprendizaje automático (ML). Muchas aplicaciones poderosas de AI / ML ya existen en la naturaleza, pero muchas también requieren una enorme potencia computacional, a menudo a escalas solo disponibles para las empresas más grandes que existen o estados-nación enteros. Las tecnologías de computación pesada también están chocando con otro obstáculo: la ley de Moore se está estancando y la capacidad de procesamiento de las arquitecturas de chips heredadas se está enfrentando a los límites de la física.

Si no se producen grandes avances en la eficiencia de la arquitectura de silicio, la IA sufrirá un futuro distribuido de manera desigual y grandes franjas de la población se perderán las mejoras que la IA podría hacer en sus vidas.

La próxima etapa evolutiva de la tecnología depende de completar la transformación que hará que la arquitectura de silicio sea tan flexible, eficiente y, en última instancia, programable como el software que conocemos hoy. Si no podemos tomar medidas importantes para proporcionar un acceso fácil al aprendizaje automático, perderemos una innovación inconmensurable al tener solo unas pocas empresas en control de toda la tecnología que importa. Entonces, ¿qué debe cambiar, qué tan rápido está cambiando y qué significará eso para el futuro de la tecnología?

Una democratización inevitable de la IA: una bendición para las nuevas empresas y las pequeñas empresas

Si trabaja en uno de los gigantes industriales (incluidos los que están “fuera” de la tecnología), felicitaciones, pero muchos de los problemas con las capacidades informáticas actuales de AI / ML que presento aquí pueden no parecer relevantes.

Para aquellos de ustedes que trabajan con menos recursos, ya sean financieros o de talento, vean las siguientes predicciones como el heraldo de una nueva era en la que las organizaciones de todos los tamaños y balances tienen acceso a los mismos niveles de poderosas IA y ML. software alimentado. Al igual que los teléfonos móviles democratizaron el acceso a Internet, hoy vemos un movimiento en la industria para poner la IA en manos de más y más personas.

Por supuesto, esta democratización debe estar impulsada por un avance tecnológico significativo que realmente haga que la IA sea más accesible: las buenas intenciones no son suficientes, independientemente del buen trabajo realizado por empresas como Intel y Google. Aquí hay algunos cambios tecnológicos que veremos que lo harán posible.

Del chip tonto al chip inteligente al chip “genio”

Durante mucho tiempo, el rendimiento bruto fue la métrica de importancia para los procesadores. Su diseño reflejó esto. A medida que aumentaba la ubicuidad del software, los procesadores debían ser más inteligentes: más eficientes y más comercializados, por lo que surgieron procesadores especializados como las GPU, chips “inteligentes”, por así decirlo.

Esos procesadores gráficos especialmente diseñados, por feliz coincidencia, demostraron ser más útiles que las CPU para las funciones de aprendizaje profundo y, por lo tanto, la GPU se convirtió en uno de los jugadores clave en la IA y el ML modernos. Conociendo esta historia, el siguiente paso evolutivo se vuelve obvio: si podemos construir hardware específicamente para aplicaciones gráficas, ¿por qué no para aprendizaje profundo específico, IA y ML?

También hay una confluencia única de factores que hace que los próximos años sean fundamentales para la fabricación de chips y la tecnología en general. Primero y segundo, estamos viendo una meseta de la ley de Moore (que predice una duplicación de los transistores en los circuitos integrados cada dos años) y el final de la escala de Dennard (que dice que el rendimiento por vatio se duplica aproximadamente al mismo ritmo). Juntos, eso solía significar que para cualquier nueva generación de tecnología, los chips duplicaban su densidad y aumentaban su poder de procesamiento mientras consumían la misma cantidad de energía. Pero ahora hemos alcanzado la escala de nanómetros, lo que significa que nos enfrentamos a las limitaciones de la física.

En tercer lugar, para agravar el desafío físico, las demandas informáticas de las aplicaciones de IA y ML de próxima generación están más allá de lo que podríamos haber imaginado. Entrenar redes neuronales hasta dentro de una fracción del reconocimiento de imágenes humanas, por ejemplo, es sorprendentemente difícil y requiere una gran cantidad de potencia de procesamiento. Las aplicaciones más intensas del aprendizaje automático son cosas como el procesamiento del lenguaje natural (PNL), los sistemas de recomendación que tratan con miles de millones o billones de posibilidades, o la visión por computadora de súper alta resolución, como se usa en los campos médico y astronómico.

Incluso si pudiéramos haber predicho que tendríamos que crear y entrenar cerebros algorítmicos para aprender a hablar el lenguaje humano o identificar objetos en el espacio profundo, aún no podríamos haber adivinado cuánto entrenamiento y, por lo tanto, potencia de procesamiento, podrían necesitar. convertirse en modelos verdaderamente útiles e “inteligentes”.

Por supuesto, muchas organizaciones están realizando este tipo de aplicaciones de aprendizaje automático complejas. Pero este tipo de empresas suelen ser líderes empresariales o científicos con acceso a enormes cantidades de potencia informática bruta y el talento para comprenderlas e implementarlas. Todas las empresas, excepto las más grandes, están excluidas de los niveles superiores de ML e IA.

Es por eso que la próxima generación de chips inteligentes, llámelos chips “genios”, se centrará en la eficiencia y la especialización. La arquitectura del chip se hará para optimizar el software que se ejecuta en él y ejecutarlo de manera más eficiente. Cuando el uso de IA de alta potencia no requiere una granja de servidores completa y se vuelve accesible para un porcentaje mucho mayor de la industria, las condiciones ideales para la disrupción y la innovación generalizadas se vuelven reales. Democratizar la IA costosa y que requiere muchos recursos va de la mano con estos avances que pronto se verán en la arquitectura de chips y el diseño de hardware centrado en el software.

Un enfoque renovado en la innovación a prueba de futuro

La naturaleza de la IA crea un desafío especial para los creadores y usuarios de hardware de IA. La cantidad de cambio en sí es enorme: estamos viviendo el salto de los humanos que escriben código al software 2.0, donde los ingenieros pueden entrenar programas de aprendizaje automático para que eventualmente “se ejecuten por sí mismos”. La tasa de cambio tampoco tiene precedentes: los modelos de aprendizaje automático pueden quedar obsoletos en meses o incluso semanas, y los mismos métodos a través de los cuales ocurre el entrenamiento están en constante evolución.

Pero la creación de nuevos productos de hardware de IA aún requiere diseño, creación de prototipos, calibración, resolución de problemas, producción y distribución. Pueden pasar dos años desde el concepto hasta el producto en mano. El software, por supuesto, siempre ha superado al desarrollo del hardware, pero ahora el diferencial de velocidad es irreconciliable. Necesitamos ser más inteligentes con el hardware que creamos para un futuro que cada vez más no podemos predecir.

De hecho, la forma generacional en que pensamos sobre la tecnología está comenzando a romperse. Cuando se trata de ML e IA, el hardware debe construirse con la expectativa de que gran parte de lo que sabemos hoy sea obsoleto para cuando tengamos el producto terminado. La flexibilidad y la personalización serán los atributos clave del hardware exitoso en la era de la IA, y creo que esto será una victoria más para todo el mercado.

En lugar de invertir recursos en el modelo del día o en un algoritmo específico, las empresas que buscan aprovechar estas tecnologías tendrán más opciones para procesar pilas que pueden evolucionar y cambiar a medida que las demandas de los modelos de ML e IA evolucionan y cambian.

Esto permitirá a las empresas de todos los tamaños y niveles de inteligencia artificial mantenerse creativas y competitivas durante más tiempo y evitar el estancamiento que puede ocurrir cuando el software está limitado por el hardware, todo lo que conduce a aplicaciones de inteligencia artificial más interesantes e inesperadas para más organizaciones.

Adopción generalizada de tecnologías reales de IA y ML

Seré el primero en admitir la fascinación de la tecnología por los objetos brillantes. Hubo un día en que el big data era la solución para todo y el IoT iba a ser el salvador del mundo. La IA ha pasado por el ciclo de la exageración de la misma manera (posiblemente varias veces). Hoy en día, sería difícil encontrar una empresa de tecnología que no pretenda usar IA de alguna manera, pero es probable que estén haciendo algo muy rudimentario que se parezca más a la analítica avanzada.

Creo firmemente que la revolución de la inteligencia artificial por la que todos hemos estado tan emocionados simplemente no ha sucedido todavía. Sin embargo, en los próximos dos o tres años, a medida que el hardware que permite la potencia de IA “real” llegue a más y más manos, sucederá. En cuanto a predecir el cambio y la disrupción que vendrán del acceso generalizado a los escalones superiores de poderosos ML e IA, hay pocas formas de hacer predicciones confiables, ¡pero ese es exactamente el punto!

Al igual que los teléfonos celulares ponen tanto poder en manos de la gente común en todas partes, sin barreras de entrada, ya sean técnicas o financieras (en su mayor parte), también lo hará la próxima ola de hardware definido por software que es flexible, personalizable y preparado para el futuro. . Las posibilidades son realmente infinitas y marcarán un importante punto de inflexión en la tecnología. Los efectos en cadena de la democratización y mercantilización de la IA no se detendrán solo con las empresas de tecnología, por lo que aún más campos se abrirán a medida que la IA avanzada y de alta potencia se vuelva accesible y asequible.

Gran parte de la exageración en torno a la IA, toda la disrupción que se suponía que traería y los saltos que se suponía que debía impulsar, comenzará en serio en los próximos años. La tecnología que la impulsará se está construyendo mientras hablamos o pronto estará en manos de muchas personas en las muchas industrias que usarán su nuevo acceso como un trampolín para algunos avances realmente sorprendentes. Estamos especialmente emocionados de ser parte de este futuro y esperamos todo el progreso que traerá.