Generative AI está revolucionando la manera en que interactuamos con la tecnología. Desde chatbots que conversan como humanos hasta generadores de imágenes que producen visuales impactantes, esta tecnología está transformando nuestro mundo. Detrás de estas capacidades se encuentra una infraestructura computacional compleja que a menudo pasa desapercibida.
En este reporte, exploraremos el ámbito de la computación de alto rendimiento (HPC) y los desafíos involucrados en la producción de aplicaciones de inteligencia artificial generativa, como los gemelos digitales. Analizaremos el crecimiento en la demanda de computación, las limitaciones de las configuraciones tradicionales de HPC y las soluciones innovadoras que están surgiendo para enfrentar estos obstáculos.
La inteligencia artificial generativa está penetrando en múltiples dominios: tecnologías climáticas, salud, software y procesamiento de datos, inteligencia artificial empresarial y robótica. Hoy nos centraremos en la robótica y los gemelos digitales.
Un gemelo digital es una representación virtual de un sistema o proceso físico. Implica recolectar datos matemáticos del sistema real y alimentarlos a un modelo digital. En aplicaciones robóticas y de manufactura, por ejemplo, se puede imaginar una fábrica con numerosos robots operando autónomamente. Modelos de visión por computadora rastrean la ubicación de robots, personas y objetos dentro de la instalación, alimentando estos datos a una base de datos que un modelo de IA puede entender y razonar.
Con esta réplica virtual del entorno, el modelo de IA puede comprender el escenario real en desarrollo. Si ocurre un evento imprevisto, como la caída de una caja de una estantería, el modelo puede simular múltiples caminos futuros para el robot y optimizar su curso de acción.
Otra aplicación poderosa se encuentra en el cuidado de la salud. Los datos del paciente, provenientes de sus signos vitales y otras lecturas médicas, podrían alimentar un modelo fundamental que brinde orientación y recomendaciones en tiempo real a los médicos en función de la condición actual del paciente.
Sin embargo, llevar este concepto a entornos de producción reales o de atención médica presenta desafíos técnicos significativos. El poder computacional necesario para estas aplicaciones avanzadas de IA es inmenso. Hace unos años, gigantes como Walmart eran los que más gastaban en servicios de computación en la nube de proveedores como AWS y GCP, invirtiendo cientos de millones de dólares cada año. Sin embargo, en los últimos años, startups de IA han emergido como los mayores consumidores de estos recursos.
Entrenar a ChatGPT-3 en 2022 costó aproximadamente 4 millones de dólares solo en poder computacional. Su sucesor, ChatGPT-4, ascendió a un estimado de 75 millones de dólares en costos de computación. Y el recientemente lanzado Gemini Ultra de Google acumuló casi 200 millones de dólares en gasto computacional.
El avance en las capacidades de la inteligencia artificial generativa y los gemelos digitales plantea tanto oportunidades como retos. La clave estará en encontrar soluciones innovadoras que permitan sostener esta revolución tecnológica sin colapsar bajo el peso de las demandas computacionales que conlleva. vía: AI Accelerator Institute
