La Inteligencia Artificial (IA) puede parecer cosa de un futuro lejano, pero en realidad, está a nuestro alrededor con el creciente número de máquinas empezando a sentir, aprender, razonar, actuar y adaptarse al mundo real. Eso está transformando industrias y cambiando nuestras vidas de maneras nuevas al amplificar la capacidad humana, automatizar tareas tediosas o peligrosas, y resolver algunos de nuestros problemas sociales más difíciles. Intel está cerca de este camino y en el marco del Intel Developer Forum dió las claves de una realidad que también puede ser negocio.
APRENDIZAJE AUTOMÁTICO, EL NÚCLEO DE LA INTELIGENCIA ARTIFICIAL
Si bien menos del 10 por ciento de los servidores en todo el mundo fueron desplegados para apoyar el aprendizaje automático el año pasado, esa área de la Inteligencia Artificial tiene el más rápido crecimiento y es un método computacional clave para ampliar el campo de la IA.
En esencia, el aprendizaje automático es el uso de algoritmos informáticos para realizar predicciones basadas en datos, permitiendo que máquinas actúen o piensen sin ser dirigidas explícitamente para realizar funciones específicas. La máquina es entrenada para reconocer patrones y conexiones entre datos complejos y entonces marcar o clasificar datos nuevos para realizar tareas. Actualmente, se pueden tomar semanas para entrenar modelos de aprendizaje automático, impidiendo que modelos tengan la capacidad de aprender a partir de nuevos datos e información en tiempo real. Sin embargo, con la explosión de datos en nuestro mundo más conectado y más inteligente a partir del cual los modelos pueden aprender con el mayor poder de cálculo, los modelos de aprendizaje automático se están convirtiendo en mucho más precisos y útiles. Hoy en día, los procesadores Intel equipan 97 por ciento de los servidores desplegados para apoyar las cargas de trabajo de aprendizaje automático.
REDES NEURONALES QUE MUEVEN LOS HILOS DE LA TENDENCIA
El aprendizaje profundo es una rama del aprendizaje automático, es un campo incipiente y de rápido crecimiento. El aprendizaje profundo utiliza redes neuronales para entender datos más complejos y no estructurados, y está produciendo avances en áreas como reconocimiento de imágenes, reconocimiento de voz, procesamiento del lenguaje natural y otras tareas complejas. El aprendizaje profundo emula las neuronas y sinapsis en el cerebro, aprendiendo a través de la repetición y de la formación de vías complejas en una red neuronal. Muchos de nosotros ya se benefician de estos algoritmos, que se utilizan en las funciones de reconocimiento facial y etiquetas en las redes sociales, reconocimiento de voz en nuestros teléfonos inteligentes, control de vehículos semiautónomos y muchas más aplicaciones.
¿QUÉ APORTA INTEL?
Estamos claramente en la era de los datos. Cuando, en el año de 2020, comencemos a conectar más de 50 billones de máquinas y dispositivos, veremos la cantidad de datos generados aumentar en órdenes de magnitud más allá de lo que vemos hoy. De hecho, coches conectados generarán 4 terabytes por día y una fábrica conectada podrá crear más de 1 petabyte por día. En comparación, un reproductor MP3 con un petabyte de canciones reproduciría continuamente por 2.000 años.
Sin embargo, los datos por sí mismos tienen un valor limitado. Cuando aplicamos análisis avanzado para empoderar a las máquinas con inteligencia similar a la humana, podemos tener un cambio real. Aquí es donde la inteligencia artificial empieza a ser realmente emocionante. Ya sea un plan de tratamiento altamente personalizado para un paciente de cáncer o mejores rendimientos de las cosechas para alimentar el mundo, tener visiones más profundas a partir de estos datos complejos es fundamental para generar más valor para las empresas y para la sociedad.
Para convertir esto en una realidad, Intel divulgó la nueva generación de la familia de procesadores Intel Xeon Phi (código nombrado Knights Mill), centrado en el aprendizaje automático de alto rendimiento e inteligencia artificial. Knights Mill debe estar disponible en 2017, está optimizado para implementaciones analíticas en escala e incluirá mejoras importantes para el entrenamiento de aprendizaje profundo. Para las aplicaciones de aprendizaje automático de hoy, el aumento de tamaño de la memoria de la familia de procesadores Intel Xeon Phi está ayudando a los clientes como Baidu a facilitar el entrenamiento eficientemente de sus modelos.
Por supuesto, mover todos estos datos para dentro y entre centros de datos será fundamental. Intel anunció que sus primeros transceptores ópticos Intel Silicon Photonics 100G ya están disponibles comercialmente. Este importante avance permite que los principales proveedores de servicios de nube, como Microsoft Azure, usen el poder de la luz para mover grandes cantidades de información en la velocidad de 100 gigabits por segundo en distancias de hasta varios kilómetros sobre cables de fibra óptica usando señales ópticas.
Para aprender y trabajar con rapidez, el aprendizaje automático requiere gran capacidad computacional para ejecutar algoritmos matemáticos complejos y procesar enormes cantidades de datos. Reducir el tiempo para entrenar modelos y también acelerar la clasificación de los datos requiere un cambio de paradigma en la computación distribuida, utilizando una infraestructura de clúster robusta de múltiples nodos. Intel ofrece un modelo de programación consistente y una arquitectura común que pueden ser utilizados en la computación de alto rendimiento, análisis de datos y en cargas de trabajo de aprendizaje automático.
- Familia de procesadores Intel Xeon Phi permite a los científicos de datos entrenen algoritmos complejos más rápidamente y ejecuten cargas de trabajo más variadas que las GPUs. En una infraestructura de 32 nodos, los procesadores Xeon Phi de Intel ofrecen hasta una capacidad de escala 1.38 vez mayor que las GPUs.
- Familia de procesadores Intel Xeon E5 es las más ampliamente usada en inferencias de aprendizaje automático. Proporciona rendimiento comparable y costo de propiedad mejor que las GPUs, con más flexibilidad para ejecutar una amplia variedad de cargas de trabajo en los centros de datos. En combinación con FPGAs Altera Arria 10, ofrece excelente rendimiento por vatio y mayor capacidad de configuración para administrar cargas de trabajo diferentes.
- El Intel Scalable System Framework ofrece arquitecturas completas y diseños de referencia que mejoran la interoperabilidad tecnológica y reducen la complejidad de implementación, proviendo un camino para la adopción más amplia de algoritmos distribuidos de aprendizaje profundo y una reducción significativa en el tiempo para modelaje.
- Intel firmó un acuerdo definitivo para adquirir Nervana Systems, un reconocido líder en aprendizaje profundo. El Nervana Engine (propiedad intelectual en silicio) y el conocimiento en algoritmos de aprendizaje profundo van producir avances en la cartera de inteligencia artificial de Intel y acelerar nuestros planes para Intel Xeon/Xeon Phi.
TECNOLOGÍAS RELEVANTES EN IDF 2016
