Hace poco hablaba sobre la manera como la Inteligencia Artificial Generativa crea contenido artificial, como imágenes, música, texto, etc., utilizando algoritmos y modelos de aprendizaje automático. Tal como lo decía en aquel entonces, este tipo de Inteligencia Artificial en lugar de seguir un conjunto específico de instrucciones, la Inteligencia Artificial Generativa aprende a partir de datos y patrones para producir resultados únicos, variados y, algunas veces, un poco extraños.
Actualmente, las GPUs son esenciales en los procesos de Inteligencia Artificial Generativa debido a su gran capacidad para acelerar el entrenamiento, permitiendo el procesamiento paralelo, dada la mayor capacidad de memoria y la rápida generación de resultados.
Así las cosas, sin GPUs, el proceso de entrenamiento y generación de resultados se volverá significativamente más lento y menos eficiente. Esto se debe a que las CPUs no están diseñadas específicamente para procesamiento de gráficos y no poseen las mismas capacidades de procesamiento paralelo que las GPUs.
Pero… cómo aprende la Inteligencia Artificial?
Aunque el Aprendizaje de Máquina o #MachineLearning no es nada nuevo (llevamos años hablando del tema), el poder entrenar a una máquina para que ejecute una tarea determinada por medio de una red neuronal (prácticamente sin, o con muy poca, intervención humana) es lo que lleva a ese aprendizaje a algo más especifico y profundo, conocido como #DeepLearning que, requiere el análisis de cantidades exhorbitantes de data para eliminar las fluctuaciones y generar interpretaciones de calidad.
Las máquinas aprenden de diversas formas pero, la gran mayoría parten de 3 tipos de aprendizaje:
- Supervisado,
- Sin supervisión
- Aprendizaje reforzado
Los casos de uso de cada tipo de aprendizaje son diferentes y es difícil afirmar que uno es mejor que el otro pero, señor lector, si tiene 5 minutos más para dar un paseo rápido por el camino del aprendizaje a nivel de la Inteligencia Artificial, lo mejor visualizar el siguiente video con la mente abierta y un buen café (nadie lo va a culpar si necesita parar, retroceder y/o verlo varias veces). Seguramente, este será el abrebocas de toda una serie de artículos al respecto en TECHcetera.
Aún hay dudas sobre el por qué se necesita tanta GPU?
Empecemos por el principio, hace tiempo hablamos acerca de los superpoderes que, claramente no corresponden a situaciones extremadamente fantasiosas ni rebuscadas, sacadas de la mente de un cineasta de Hollywood. Según Intel, estos corresponden simplemente a casos de uso que hace más fácil la vida de los usuarios en cierto momentos, por ejemplo:
- La computación ubicua,
- La infraestructura de la nube al edge,
- La conectividad omnipresente,
- La Inteligencia Artificial (IA, por sus siglas en inglés).
Ahora bien, vale la pena aclarar que la mayoría de los grandes casos de la Inteligencia Artificial Generativa no corren en un computador personal, realmente, la industria tiene grandes necesidades que se procesan a través de Supercomputadoras como las que se ven en los centros de datos.
Finalmente, para entender aún más los detalles específicos acercar de la creciente demanda de las GPUs en el mercado actual de la Inteligencia Artificial Generativa, invitamos a Marcelo Bertolami, director de Socios Regionales y del Equipo de Tecnología de Latam para Intel.
Si después de la explicación aún quedan preguntas sin resolver, sería ideal que las envíen a través del formato de contacto del presente artículo en TECHcetera.co o a través de las redes sociales.
