A Través de los Tiempos: 5 Olas de Computación de IA

por Tiffany Yeung

La IA es el avance tecnológico más impactante de nuestro tiempo, ya que transforma todos los aspectos de la economía global.

Cinco olas de crecimiento han llevado la IA desde su concepción hasta la ubicuidad: el big bang de la IA, los servicios de cloud, la IA empresarial, la IA en el edge y la autonomía.

Al igual que otros avances técnicos, como la maquinaria industrial, los transistores, Internet y la computación móvil, la IA fue concebida en el ámbito académico y comercializado en fases sucesivas. Primero se utilizó en organizaciones grandes y con recursos bien desarrollados antes de distribuirse durante los años posteriores en organizaciones más pequeñas, profesionales y de consumidores.

Desde que se acuñó el término «IA» en la Universidad de Dartmouth en 1956, las personas en este campo han explorado muchos enfoques para resolver los problemas más difíciles del mundo. Uno de los más populares, el deep learning, aprovecha estructuras de datos llamadas redes neuronales que reflejan el funcionamiento de las células cerebrales humanas.

Los científicos de datos que usan el deep learning configuran una red neuronal con los parámetros que funcionan mejor para un problema en particular y, luego, alimentan la IA con hasta millones de preguntas y respuestas de muestra. Con cada respuesta de muestra, la IA ajusta sus pesos neuronales hasta que puede responder las preguntas por sí sola, incluso las nuevas que no ha visto antes.

Obtén más información sobre las cinco olas de la IA moderna, determina en qué ola está tu organización y prepárate para lo que viene después.

El Big Bang de la IA

La primera ola de computación de IA fue su «big bang», que comenzó con el descubrimiento de redes neuronales profundas.

Tres factores fundamentales impulsaron esta explosión: los avances académicos en deep learning, la disponibilidad generalizada de big data y la novedosa aplicación de las GPU para acelerar el desarrollo y el entrenamiento de deep learning.

Donde los científicos de computación solían especificar cada instrucción de IA, los algoritmos ahora pueden escribir otros algoritmos, el software puede escribir software y las computadoras pueden aprender por su cuenta. Esto marcó el comienzo de la era del machine learning.

En la última década, el deep learning migró del ámbito académico al comercio, gracias a las cuatro próximas olas de crecimiento.

El Cloud

Los primeros negocios en utilizar la IA fueron grandes empresas tecnológicas con recursos de computación y conocimientos científicos para adaptar las redes neuronales y así beneficiar a sus clientes. Lo hicieron usando el cloud, la segunda ola de computación de IA.

Google, por ejemplo, aplicó el deep learning al procesamiento de idiomas naturales para ofrecer Google Translate. Facebook aplicó la IA para identificar bienes de consumo en las imágenes y hacer que estén disponibles para el comercio. A través de este tipo de aplicaciones del cloud, Google, Amazon y Microsoft introdujeron muchas de las primeras aplicaciones del mundo real de la IA.

Pronto, estas grandes empresas tecnológicas crearon plataformas de infraestructura como servicio, para liberar el poder de las instancias de cloud públicas para empresas y startups, e impulsar aún más la adopción de la IA.

Ahora, las empresas de todos los tamaños confían en el cloud para comenzar a usar la IA de forma rápida y asequible. Ofrece una forma sencilla para que las empresas implementen la IA, lo que les permite centrarse en el desarrollo y el entrenamiento de modelos, en lugar de desarrollar la infraestructura subyacente.

IA para Empresas

A medida que se desarrollan herramientas para hacer que la IA sea más accesible, las grandes empresas están adoptando la tecnología para mejorar la calidad, la seguridad y la eficiencia de sus workflows, y así liderar la tercera ola de computación de IA. Los científicos de datos que trabajan en las finanzas, el área de la salud, los servicios ambientales, el comercio minorista, el entretenimiento y otras industrias comenzaron a capacitar redes neuronales en sus propios data centers o en el cloud.

Por ejemplo, los chatbots de IA conversacional mejoran los centros de llamadas y la IA de detección de fraudes supervisa la actividad inusual en los mercados en línea. La visión de computación actúa como asistente virtual para mecánicos, doctores y pilotos, ya que les proporciona información para tomar decisiones más precisas.

Si bien esta ola de computación de IA tiene aplicaciones generalizadas y aparece en los titulares cada semana, solo está empezando. Las empresas están invirtiendo fuertemente en científicos de datos que pueden preparar datos para entrenar modelos e ingenieros de machine learning que pueden crear y automatizar los procesos de entrenamiento e implementación de IA.

El Edge

La cuarta ola impulsa la IA desde cloud o el data center hasta el edge, en lugares como fábricas, hospitales, aeropuertos, tiendas, restaurantes y redes eléctricas. La llegada de 5G está impulsando la capacidad de que los dispositivos de computación de edge se implementen y administren en cualquier lugar. Ha creado una oportunidad explosiva para que la IA transforme los lugares de trabajo y para que las empresas aprovechen el valor de los datos de sus usuarios finales.

Con la adopción de dispositivos de IoT y los avances en la infraestructura de computación, la proliferación de big data permite a las empresas crear y entrenar modelos de IA para que se implementen en el edge, donde se encuentran los usuarios finales.

Esta ola requiere que los ingenieros de machine learning y los científicos de datos consideren las restricciones de diseño de la inferencia de IA en el edge. Estos límites incluyen conectividad, almacenamiento, energía de batería, potencia de computación y acceso físico para el mantenimiento. Los diseños también deben alinearse con las necesidades de los propietarios de negocios, los equipos de TI y las operaciones de seguridad a fin de garantizar mejor el éxito de las implementaciones.

La IA de edge también dando sus primeros pasos, pero ya se usa en muchas industrias. La visión de computación supervisa las plantas de fábrica en busca de infracciones de seguridad, escanea imágenes médicas para detectar crecimientos anómalos y conduce los automóviles de forma segura por la autopista. El potencial de nuevas aplicaciones es ilimitado.

Autonomía

La quinta ola de IA será el aumento de la autonomía: la evolución de la IA hasta el punto en que la IA conduce la maquinaria móvil sin intervención humana. Los automóviles, camiones, barcos, aviones, drones y otros robots funcionarán sin la conducción humana. Para que esto se desarrolle, se necesitan la conectividad de red de 5G, la potencia de la computación acelerada y la innovación continua en las capacidades de las redes neuronales.

La IA autónoma está avanzando, impulsada por la pandemia, las restricciones de la cadena de suministro global y la necesidad relacionada de automatización de la eficiencia en los procesos comerciales.

La IA autónoma incorpora dominios de ingeniería más allá del deep learning y requiere que los ingenieros de machine learning colaboren con los ingenieros de robótica. Juntos, trabajan para cumplir con los cuatro pilares de un workflow de un sistema de robótica: recopilar y generar datos reales, crear el modelo de IA, simular con un digital twin y operar el robot en el mundo real.

Para la robótica, las capacidades de simulación son especialmente importantes en el modelado y las pruebas de todos los casos excepcionales posibles para mitigar los riesgos de seguridad de implementar robots en el mundo real.

Las máquinas autónomas también enfrentan nuevos desafíos en torno a la implementación, la administración y la seguridad que requieren coordinación entre los equipos de ingeniería, operaciones, fabricación, redes, seguridad y cumplimiento.

Comenzar a Usar la IA

A partir del big bang de la IA, la industria ha crecido rápidamente y ha generado más olas de computación, incluidos los servicios de cloud, la IA empresarial, la IA del edge y las máquinas autónomas. Estos avances llevan la IA de los laboratorios a las salas de estar, lo que mejora las empresas y la vida diaria de los consumidores.

NVIDIA ha pasado décadas desarrollando los productos y el software computacionales necesarios para permitir que el ecosistema de IA impulse estas olas de crecimiento. Además de desarrollar e implementar la IA en la empresa, NVIDIA ha ayudado a incontables empresas, startups, fábricas, firmas del área de la salud y más a adoptar, implementar y escalar sus propias iniciativas de IA.

Ya sea comenzando un proyecto inicial de IA, adoptando cargas de trabajo de IA o mirando planos y expansiones de infraestructura, configura tus proyectos de IA para alcanzar el éxito.