Software integral de desarrollo de IA fundamental para la democratización de la IA
Los proveedores de servicios de nube pública y los proveedores de software de inteligencia artificial (IA) de juego puro están logrando grandes avances en el desarrollo de aplicaciones de IA sofisticadas, que incluyen una visión por computadora más precisa, sistemas de recomendación altamente personalizados o interacciones más naturales con la IA conversacional. Estos reproductores ofrecen funciones y herramientas integrales para ayudar a los desarrolladores de IA y científicos de datos, lo que acelera el desarrollo de sus aplicaciones.
Sin embargo, estos esfuerzos no son suficientes para simplificar el proceso de desarrollo de IA. Las herramientas de desarrollo de IA que se ofrecen a menudo están desvinculadas del hardware subyacente y los procesadores de IA.
Además, la complejidad de diseñar, desarrollar e implementar conjuntos de chips de IA crece proporcionalmente con la aparición de modelos de IA y el número cada vez mayor de capas neuronales y parámetros necesarios. El panorama altamente competitivo de los conjuntos de chips ha llevado a los desarrolladores a lidiar con soluciones de hardware heterogéneas y fragmentadas que no necesariamente están optimizadas para todas las redes de IA.
Los proveedores de conjuntos de chips están compitiendo para mejorar el rendimiento de sus soluciones de conjuntos de chips y traer nuevas funciones de hardware para adaptarse a los últimos modelos de IA. Sin embargo, ampliar los límites de las capacidades del hardware no es suficiente para aprovechar la innovación que aportan los últimos modelos de IA y democratizar el uso de la IA dentro de la empresa.
La mayoría de los desarrolladores de IA y los científicos de datos están atrapados en esta nueva dinámica de aprender a usar nuevas redes y, al mismo tiempo, aprovechar las capacidades del hardware para abordar nuevos modelos y casos de uso de IA. Dedican mucho tiempo a crear programas y códigos personalizados para cumplir con las expectativas de rendimiento requeridas por estos nuevos casos de uso. Idealmente, estos desarrolladores prefieren no perder tiempo y recursos resolviendo problemas de compatibilidad, integrando u optimizando su código para hardware específico o probando cada nuevo hardware y tecnología de IA disponible.
Al mismo tiempo, los desarrolladores también se enfrentan a otros desafíos:
• El mercado está viendo implementaciones de hardware cada vez más heterogéneas en las que se diseñan diferentes arquitecturas de conjuntos de chips, como la unidad de procesamiento gráfico (GPU), la unidad central de procesamiento (CPU), la matriz de compuerta programable de campo (FPGA) y los aceleradores de IA, para abordar funciones específicas de IA. Los desarrolladores tienen que lidiar con una tarea muy compleja para distribuir la carga de trabajo de sus modelos de IA en múltiples arquitecturas de procesamiento con una optimización e integración deficientes entre el software de desarrollo de IA y el conjunto de chips de destino.
• La necesidad constante de aprender nuevas técnicas de IA y formas de integrarlas y optimizarlas impide que los desarrolladores se concentren en lo que mejor saben hacer, creando aplicaciones innovadoras sin preocuparse por la complejidad del hardware.
• Las herramientas complicadas y desconocidas a menudo ralentizan el proceso de desarrollo y el tiempo de comercialización, al mismo tiempo que aumentan el costo total para el desarrollador.
• Falta de hardware preparado para el futuro que permita a los desarrolladores crear aplicaciones innovadoras coherentes con sus necesidades comerciales actuales y futuras, al tiempo que se adaptan a las aplicaciones heredadas.
• La migración de aplicaciones de IA a múltiples entornos de hardware es un proceso complejo, lento y costoso.
• Bloqueo de hardware, ya que la mayoría de los proveedores de hardware de IA ofrecen herramientas patentadas para promover el desarrollo de aplicaciones de IA en sus conjuntos de chips y sistemas.
Tradicionalmente, los proveedores de software de inteligencia artificial pura y de nube pública han sido los socios más cercanos de los científicos de datos y la comunidad de desarrolladores, ofreciéndoles kits de herramientas y bibliotecas completos para aumentar sus experiencias y simplificar el desarrollo de modelos de inteligencia artificial al minimizar la escritura de código. Si bien estas herramientas reducen las barreras a la innovación, son de uso más general y no están optimizadas para hardware específico.
La integración y optimización de software es donde los desarrolladores necesitan más ayuda, y esto podría marcar una gran diferencia en la promoción de la innovación de IA al tiempo que reduce las barreras para el desarrollo de aplicaciones de IA de nivel empresarial.
Dada su proximidad al hardware, los proveedores de conjuntos de chips están mejor posicionados para abordar los desafíos de optimización, integración y ejecución de software-hardware de IA. Estos jugadores ahora deberían ir más allá de su cometido de crear hardware de IA de alto rendimiento para adaptarse a las nuevas redes de IA. Deben abordar los desafíos identificados anteriormente si quieren seguir siendo competitivos en el mercado de la IA.
Las herramientas de optimización e integración de software tienen muchos beneficios para los desarrolladores de IA y los científicos de datos, que incluyen:
Utilización de recursos mejorada: permite a los desarrolladores minimizar las cargas de trabajo de canalización y reducir el consumo de energía, las necesidades de ancho de banda y los costos operativos asociados. Todos estos elementos ayudan a los desarrolladores a ahorrar dinero al usar servicios en la nube.
Compatibilidad: la creación de aplicaciones versátiles en múltiples soluciones de hardware y configuraciones de conjuntos de chips permite a los desarrolladores generar escala para sus aplicaciones.
Mejora de la experiencia: permite a los desarrolladores crear aplicaciones con un rendimiento más rápido y experiencias más fluidas en mente.
Seguridad: Creación de aplicaciones más seguras y confiables al reducir la cantidad de puntos de conflicto y vulnerabilidades de software.
Bajo consumo de energía: desarrollo de aplicaciones más ecológicas mediante la optimización del consumo de energía.
Bloqueos de proveedores: los desarrolladores pueden probar fácilmente varios hardware de diferentes proveedores e identificar el hardware que podría proporcionar el mejor rendimiento para sus aplicaciones.
El impacto más significativo de este desarrollo es el cambio en el modelo de negocio. En lugar de centrarse en los conjuntos de chips y el hardware de IA, las empresas de conjuntos de chips están cambiando su enfoque hacia el software como servicio (SaaS), produciendo el marco de código abierto.
Como resultado, la industria está presenciando la desaparición del modelo de ingresos por compra de hardware "único y listo" y el nacimiento del acceso basado en suscripción a las plataformas de software de IA. Bajo este modelo, las funciones de hardware podrían desbloquearse después de la fabricación y bajo demanda para permitir que los usuarios aprovechen estas funciones para crear aplicaciones diferenciadas.
A medida que el hardware de IA continúa volviéndose más ubicuo y complejo de implementar, no se pueden pasar por alto los beneficios introducidos a través de la integración y la optimización. Se espera que los proveedores de conjuntos de chips de IA dupliquen la oferta y la monetización de más soluciones de software.
Próximamente se tratará más sobre la monetización del desarrollo de software de IA por parte de los proveedores de conjuntos de chips en un artículo dedicado, así que esté atento a este espacio.
