El ábaco, el sextante, la regla de cálculo y la computadora. Los instrumentos matemáticos marcan la historia del progreso humano.
Han permitido el comercio y han ayudado a navegar por los océanos, y han acelerado la comprensión y calidad de vida.
La herramienta más reciente que impulsa la ciencia y la industria es la computación de IA.
Definición de la Computación de IA
La computación de IA es el proceso matemático intensivo de calcular los algoritmos de machine learning, por lo general utilizando sistemas y software acelerados. Puede extraer información nueva de conjuntos de datos enormes, a fin de aprender nuevas habilidades en el camino.
Es la tecnología más transformadora de nuestro tiempo porque vivimos en una era centrada en los datos, y la computación de IA puede encontrar patrones que ningún humano podría.
Por ejemplo, American Express utiliza la computación de inteligencia artificial para detectar fraudes en miles de millones de transacciones anuales de tarjetas de crédito. Los doctores lo usan para detectar tumores y detectar pequeñas anomalías en montañas de imágenes médicas.
Tres Pasos para Lograr la Computación de IA
Antes de conocer los muchos casos de uso para la computación de IA, exploremos cómo funciona.
En primer lugar, los usuarios, a menudo científicos de datos, seleccionan y preparan conjuntos de datos, una etapa llamada extracción/transformación/carga; o ETL. Este trabajo ahora se puede acelerar en las GPU de NVIDIA con Apache Spark 3.0, uno de los motores de código abierto más populares para extraer big data.
En segundo lugar, los científicos de datos eligen o diseñan modelos de IA que se adaptan mejor a sus aplicaciones.
Algunas empresas diseñan y entrenan sus propios modelos desde cero porque son pioneros en un nuevo campo o buscan una ventaja competitiva. Este proceso requiere cierto conocimiento y, potencialmente, una supercomputadora de IA, capacidades que NVIDIA ofrece.
Muchas empresas eligen modelos de IA previamente entrenados que pueden personalizar según sea necesario para sus aplicaciones. NVIDIA proporciona docenas de modelos y herramientas previamente entrenados para personalizarlos en NGC, un portal de software, servicios y soporte.
En tercer lugar, las empresas filtran sus datos a través de sus modelos. Este paso clave, llamado inferencia, es donde la IA ofrece información práctica.
El proceso de tres pasos implica un trabajo duro, pero hay ayuda disponible, por lo que todos pueden usar la computación de IA.
Por ejemplo, NVIDIA TAO Toolkit puede unir los tres pasos en uno usando el aprendizaje de transferencia, una forma de adaptar un modelo de IA existente para una nueva aplicación sin necesidad de contar con un conjunto de datos grande. Además, NVIDIA LaunchPad brinda a los usuarios capacitación práctica en la implementación de modelos para una amplia variedad de casos de uso.
Análisis de un Modelo de IA
Los modelos de IA se llaman redes neuronales porque están inspirados por las conexiones similares a una red del cerebro humano.
Si cortas un segmento de uno de estos modelos de IA, podría parecer una lasaña matemática, compuesta por capas de ecuaciones de álgebra lineal. Una de las formas más populares de IA se llama deep learning porque utiliza muchas capas.
Si haces zoom, verás que cada capa está compuesta por pilas de ecuaciones. Cada una representa la probabilidad de que una pieza de datos esté relacionada con la otra.
La computación de IA multiplica cada pila de ecuaciones en cada capa para encontrar patrones. Es un trabajo enorme que requiere procesadores altamente paralelos que compartan enormes cantidades de datos en redes de computación rápidas.
La Computación por GPU se Une a la IA
Las GPU son los motores de la computación de IA.
NVIDIA presentó la primera GPU en 1999 para renderizar imágenes 3D para videojuegos, un trabajo que requería cálculos enormemente paralelos.
La computación por GPU pronto se expandió para su uso en servidores gráficos para películas taquilleras. Los científicos e investigadores llevaron las GPU a las supercomputadoras más grandes del mundo para estudiar todo, desde la química de moléculas diminutas hasta la astrofísica de las galaxias distantes.
Cuando surgió la computación de IA hace más de una década, los investigadores adoptaron rápidamente la plataforma programable de NVIDIA para el procesamiento paralelo. El siguiente video celebra esta breve historia de la GPU.
La Historia de la Computación de IA
La idea de la inteligencia artificial se remonta al menos a Alan Turing, el matemático británico que ayudó a descifrar los mensajes codificados durante la Segunda Guerra Mundial.
«Lo que queremos es una máquina que pueda aprender de la experiencia», dijo Turing en una conferencia de 1947 en Londres.
En reconocimiento a sus ideas, NVIDIA le dio su nombre a una de sus arquitecturas de computación.
La visión de Turing se hizo realidad en 2012, cuando los investigadores desarrollaron modelos de IA que podían reconocer imágenes de forma más rápida y precisa de lo que los humanos podían. Los resultados de la competencia ImageNet también aceleraron enormemente el progreso en la visión de computación.
Hoy en día, empresas como Landing AI, fundada por la luminaria del machine learning Andrew Ng, están aplicando la IA y la visión de computación para hacer que la fabricación sea más eficiente. Además, la IA lleva visión similar a la humana a los deportes, las ciudades inteligentes y mucho más.
La Computación de IA Comienza la IA Conversacional
La computación de IA hizo grandes avances en el procesamiento de idiomas naturales después de la invención del modelo transformador en 2017. Presentó una técnica de machine learning llamada «atención» que puede capturar contexto en datos secuenciales como texto y voz.
Hoy en día, la IA conversacional está muy extendida. Analiza las oraciones que los usuarios escriben en cuadros de búsqueda. Lee mensajes de texto cuando conduces y te permite dictar respuestas.
Estos grandes modelos de idiomas también están encontrando aplicaciones en el descubrimiento de fármacos, la traducción, los chatbots, el desarrollo de software, la automatización de centros de llamadas y más.
La IA y los Gráficos Crean Mundos 3D
Los usuarios en muchas áreas, a menudo inesperadas, están sintiendo el poder de la computación de IA.
Los videojuegos más recientes logran nuevos niveles de realismo gracias al ray tracing en tiempo real y NVIDIA DLSS, que utiliza la IA para ofrecer juegos muy fluidos en la plataforma GeForce RTX.
Eso es solo el comienzo. El campo emergente de los gráficos neuronales acelerará la creación de mundos virtuales para poblar el metaverso, la evolución 3D de Internet.
Para poner en marcha ese trabajo, NVIDIA lanzó varias herramientas gráficas neuronales en agosto.
Casos de Uso para la Computación de IA
Automóviles, Fábricas y Almacenes
Los fabricantes de automóviles están adoptando la computación de IA para ofrecer una experiencia de manejo más fluida y segura y ofrecer capacidades inteligentes de información y entretenimiento a los pasajeros.
Mercedes-Benz está trabajando con NVIDIA para desarrollar vehículos definidos por software. Sus próximas flotas ofrecerán capacidades de conducción inteligentes y automatizadas impulsadas por una computadora centralizada NVIDIA DRIVE Orin. Los sistemas se probarán y validarán en el data center utilizando el software DRIVE Sim, basado en NVIDIA Omniverse, para garantizar que puedan manejar de forma segura todo tipo de escenarios.
En CES, el fabricante de automóviles anunció que también usará Omniverse para diseñar y planificar instalaciones de fabricación y ensamblaje en sus sitios en todo el mundo.
BMW Group también se encuentra entre muchas empresas que crean digital twins de fábricas habilitados para IA en NVIDIA Omniverse, lo que hace que las plantas sean más eficientes. Es un enfoque también adoptado por gigantes del consumo como PepsiCo para sus centros logísticos, como se muestra en el siguiente video.
Dentro de las fábricas y depósitos, los robots autónomos mejoran aún más la eficiencia en la fabricación y la logística. Muchos de ellos cuentan con la tecnología de la plataforma de IA en el edge NVIDIA Jetson y se entrenan con IA en simulaciones y digital twins utilizando NVIDIA Isaac Sim.
En 2022, incluso los tractores y cortadores de césped se volvieron autónomos con IA.
En diciembre, Monarch Tractor, una startup con sede en Livermore, California, lanzó un vehículo eléctrico impulsado por IA para llevar la automatización a la agricultura. En mayo, Scythe, con sede en Boulder, Colorado, presentó su M.52 (ver a continuación), una cortadora de césped eléctrica autónoma que incluye ocho cámaras y más de una docena de sensores.
Asegurar Redes, Secuenciar Genes
La cantidad y la variedad de casos de uso para la computación de IA son asombrosas.
El software de ciberseguridad detecta el phishing y otras amenazas de red más rápido con técnicas basadas en IA como las huellas digitales.
En el área de la salud, los investigadores rompieron un récord en enero de 2022 secuenciando un genoma completo en menos de ocho horas gracias a la computación de IA. Su trabajo (descrito en el siguiente video) podría conducir a las curas de enfermedades genéticas raras.
La computación de IA funciona en bancos, tiendas minoristas y oficinas de correos. También se usa en redes de telecomunicaciones, transporte y energía.
Por ejemplo, el siguiente video muestra cómo Siemens Gamesa está utilizando modelos de IA para simular parques eólicos e impulsar la producción de energía.
A medida que las técnicas actuales de computación de IA encuentran nuevas aplicaciones, los investigadores están inventando métodos más nuevos y potentes.
Otro poderoso tipo de redes neuronales, los modelos de difusión, se hizo popular en 2022 porque podía convertir descripciones de texto en imágenes fascinantes. Los investigadores esperan que estos modelos se apliquen a muchos usos, lo que expandirá aún más el horizonte de la computación de IA.