La incansable búsqueda del progreso en la inteligencia artificial (IA) ha traído desafíos sorprendentes que son evocadores de una alucinación psicodélica inducida por ChatGPT. A medida que la demanda de unidades de procesamiento gráfico (GPU) se dispara, los costos asociados con el entrenamiento de la IA alcanzan alturas astronómicas. OpenAI reveló que solo el entrenamiento del algoritmo que impulsa ChatGPT le costó a la compañía asombrosos $100 millones. Además, la creciente competencia en la industria de la IA ha llevado a un consumo de energía cada vez mayor en los centros de datos. En respuesta a estos obstáculos desalentadores, varias startups innovadoras están interviniendo para revolucionar el panorama del diseño de chips de computadoras. Este artículo explora el concepto de un reinicio radical en la informática y su potencial para dar forma al futuro de la IA.
Normal Computing, una startup fundada por profesionales experimentados de Google Brain y el laboratorio de proyectos ambiciosos de Alphabet, ha desarrollado un prototipo revolucionario como paso inicial hacia la reinventación de la informática desde cero. Los chips de silicio tradicionales realizan cálculos procesando bits binarios (0s y 1s) para representar información. Sin embargo, la unidad de procesamiento estocástica (SPU) de Normal Computing aprovecha las propiedades termodinámicas de los osciladores eléctricos para ejecutar cálculos utilizando fluctuaciones aleatorias dentro de los circuitos. Esta característica única permite la generación de muestras aleatorias que son invaluables para una variedad de aplicaciones científicas, de ingeniería y de aprendizaje automático. Faris Sbahi, el CEO de Normal Computing, enfatiza la eficiencia y aptitud de este hardware en cálculos estadísticos, lo cual tiene el potencial de mitigar el problema de la incertidumbre en los modelos de lenguaje extensos que a menudo producen resultados erróneos.
Si bien la IA generativa ha logrado hitos notables, está lejos de alcanzar su potencial máximo. Sbahi afirma que tanto las arquitecturas de software como el hardware todavía tienen que revelar todas sus capacidades. Como ex miembros de Alphabet, Sbahi y sus cofundadores tienen una amplia experiencia en los campos de la computación cuántica e IA. La frustración por el progreso limitado en la implementación de computadoras cuánticas en el aprendizaje automático impulsó su búsqueda de métodos alternativos para aprovechar la física en los cálculos de IA. Un equipo separado de ex investigadores cuánticos en Alphabet fundó Extropic, una empresa envuelta en secreto que parece tener un plan aún más ambicioso para emplear la computación termodinámica en IA. Extropic tiene como objetivo integrar de manera fluida la computación neural en un chip analógico termodinámico, aprovechando su gran conocimiento en software y hardware de computación cuántica. La idea de que es necesario una revisión completa de la informática está ganando impulso, especialmente a medida que la industria lucha por mantener la Ley de Moore. Esta predicción de larga data proyectaba una reducción continua en la densidad de componentes en los chips. Sin embargo, incluso si la Ley de Moore persistiera, el ritmo actual de crecimiento en el tamaño de los modelos, ejemplificado por las expansiones de OpenAI, supera con creces la capacidad de los chips existentes.
Aquí es donde Peter McMahon, un profesor de la Universidad de Cornell reconocido por su trabajo pionero en enfoques novedosos de la informática, cree que soluciones innovadoras son imperativas para asegurar que la industria de la IA continúe en su trayectoria ascendente. A medida que los costos de avanzar en la IA siguen aumentando rápidamente, es evidente que es necesario reconsiderar urgentemente los métodos tradicionales de computación. Startups como Normal Computing y Extropic están liderando este movimiento, ofreciendo perspectivas frescas al aprovechar el potencial aún no explorado de la computación termodinámica. Al explotar las propiedades termodinámicas de los osciladores eléctricos y adoptar chips termodinámicos analógicos, estos pioneros anticipan una mayor eficiencia, precisión y adaptabilidad en los cálculos de IA. Es a través de estas reinterpretaciones radicales del diseño de chips de computadora que el futuro de la IA promete desbloquear posibilidades sin precedentes al navegar el siempre en expansión campo del aprendizaje automático.
Deja una respuesta