Un conjunto de predicciones de HPC con sabor a IA para 2023

Muchas predicciones para HPC-AI en 2023 llegaron a nuestro espejo de popa en las últimas semanas, aquí hay extractos de las que encontramos más interesantes, frescas, perspicaces, incluso contrarias.

Altair La científica jefe Rosemary Francis:
Vaya a lo grande o vaya a casa: cargas de trabajo más grandes de HPC.A medida que las cargas de trabajo de HPC se están incorporando a aplicaciones de big data, como en ciencias de la vida y aceleradores de partículas como el Fuente de luz de diamante del Reino Unido (para una mayor investigación y experimentación), estamos viendo una explosión en las herramientas de flujo de trabajo. De cara al 2023, esta transformación hacia la programación multidimensional será el mayor impulsor del cambio dentro de la HPC, ya que la industria busca modernizarse y adaptarse a estas grandes aplicaciones conectadas.

HPC aborda el aprendizaje profundo:A medida que el aprendizaje profundo se vuelva más frecuente en 2023, veremos un cambio adicional en las cargas de trabajo de HPC. Si bien inicialmente la mayoría de las cargas de trabajo de aprendizaje automático se ejecutaron en Kubernetes u otros marcos de orquestación de contenedores, se ha hecho evidente que estos sistemas están diseñados para microservicios, no para las cargas de trabajo de máquinas intensivas en ráfagas que ahora se requieren para el aprendizaje profundo. Los administradores de cargas de trabajo comerciales de HPC necesitan un soporte completo de contenedores para que las organizaciones puedan poner en cola su cómputo y comenzar a aprovechar la programación por lotes, la explosión de la nube y el reparto de tarifas: todos los aspectos clave de la HPC eficiente.

Joe Fitzsimons, presidente ejecutivo de Computación cuántica de Horizon, sobre la muerte de NISQ y un cambio a la tolerancia a fallas en la computación cuántica
“En los últimos años, el desarrollo de aplicaciones para computación cuántica ha visto un enfoque particular en el régimen NISQ, en referencia a los procesadores cuánticos de escala intermedia ruidosos. El 'ruido' en este título se refiere a la susceptibilidad de los qubits a la interferencia de factores ambientales, que van desde la proximidad de otros qubits hasta colisiones de rayos cósmicos. Este ruido introduce errores potencialmente fatales en los procesos de computación cuántica. Hace tiempo que se sabe que es posible, al menos teóricamente, construir computadoras cuánticas que incorporen corrección de errores, de modo que una computadora esencialmente perfecta pueda construirse a partir de componentes imperfectos. Sin embargo, el enfoque de la investigación de NISQ ha sido el desarrollo de algoritmos variacionales que se espera que sean resistentes a las perturbaciones menores causadas por el ruido ambiental, lo que permite una ventaja cuántica sin corrección de errores.

“Desafortunadamente, hay relativamente poca evidencia de que tales algoritmos NISQ de hecho brinden una ventaja sobre las computadoras convencionales para la amplia gama de tareas de optimización y aprendizaje automático para las que están siendo considerados. Si bien hay buenas razones para creer que la ventaja cuántica temprana se puede ver en campos como la química, donde el problema a resolver es de naturaleza mecánica cuántica, hay signos de un enfoque renovado para alcanzar el régimen de tolerancia a fallas, en el que los errores son corregido activamente y para el cual hay evidencia mucho más sólida de una ventaja cuántica ".

Tecnologías Dell' John Roese, CTO global: una resolución cuántica de año nuevo
Estableceré conjuntos de habilidades tempranas para aprovechar la cuántica. La computación cuántica se está volviendo real y si no tiene a alguien en su negocio que entienda cómo funciona esta tecnología y cómo influye en su negocio, se perderá esta ola tecnológica. Identifique el equipo, las herramientas y las tareas que dedicará a la tecnología cuántica y comience a experimentar. El mes pasado, anunciamos la solución de computación cuántica local de Dell que permite a las organizaciones de todas las industrias comenzar a aprovechar la computación acelerada a través de la tecnología cuántica, que de otro modo no estaría disponible para ellas en la actualidad. Invertir en simulación cuántica y permitir que sus equipos de inteligencia artificial y ciencia de datos aprendan los nuevos lenguajes y la capacidad cuántica es fundamental en 2023.

Opiniones contrarias sobre ML de Gideon Mendels, director ejecutivo y cofundador de la plataforma MLOps Cometa
Cuando los datos se agotan: La mayoría de las mejoras observadas en ML provienen de modelos de entrenamiento con más y más datos, pero estamos llegando a un punto en el que no podremos hacer eso. Acaba de salir una investigación interesante que muestra que podríamos quedarnos sin datos para 2026. Si esta tesis se mantiene, dejaremos de ver mejoras a menos que podamos construir mejores modelos en el mismo conjunto de datos.

Impacto Ambiental de los Modelos Generativos: Los modelos generativos están produciendo resultados extremadamente impresionantes, pero no está claro el impacto que tienen en un negocio real. Lo que está claro es el impacto de las emisiones de carbono del entrenamiento de estos modelos masivos. Los requisitos informáticos son una locura. Entonces surge la pregunta: "¿Valen los resultados el costo ambiental?"

Aléjese de una mentalidad de software: ML ha seguido el curso del desarrollo de software hasta ahora, pero a medida que ML madura, este enfoque se desmorona. Ningún proveedor único puede hacerlo todo. Los equipos de hoy eligen las mejores herramientas disponibles que son relevantes para lo que están tratando de hacer. Los proveedores que intentaron ser todo para un equipo están fallando. Para que ML alcance su potencial, debemos pensar de manera diferente para crear la pila de ML adecuada para nuestras necesidades comerciales específicas.

El sesgo está sobrevalorado: El sesgo es un concepto que recibe mucha atención, y seguirá recibiendo más con la Declaración de derechos de AI, no es algo que a muchos profesionales de ML les preocupe día a día. Por supuesto, lo explican, pero los profesionales sólidos de ML entienden los problemas y saben qué hacer para evitar que el sesgo afecte negativamente los resultados.

Jonas Kubilius de la Consejo asesor de Oxylabs sobre IA generativa
Jonas Kubilius, cofundador y director ejecutivo de Three Thirds y miembro del consejo asesor de Oxylabs, anticipa una mayor evolución de Stable Diffusion, GPT-3, GitHub Copilot y otras técnicas de generación de contenido en productos rentables utilizados por desarrolladores y creadores de contenido en la vida real. aplicaciones mundiales. Agregó que veríamos un mayor interés en los modelos multimodales que pueden manejar texto, imágenes, audio y otras entradas para múltiples tareas.

“Comenzaremos a ver un cambio del uso de IA para tareas estáticas, como la clasificación, a flujos de trabajo interactivos basados ​​en modelos de lenguaje que ayuden a las personas a realizar sus tareas de manera más eficiente”, dijo Kubilius.

Peter Mattson, presidente de MLComunes, en conjuntos de datos públicos
“Enfrentaremos una combinación de nuevos desafíos de investigación exigentes en torno a la IA multimodal y conversacional, además de preocupaciones legales, éticas y de equidad con los datos extraídos de la web en los conjuntos de datos públicos actuales. La industria en su conjunto también deberá respaldar mejor no solo la investigación, sino también las aplicaciones de ML ampliamente implementadas y las nuevas regulaciones (por ejemplo, a través de conjuntos de pruebas de calidad industrial)”.

Para respaldar una "próxima generación de datos públicos", Mattson prevé la necesidad de fuertes inversiones en conjuntos de datos para los problemas sociales y técnicos más apremiantes, y canalizar esa inversión a través de una infraestructura de código abierto que permita a toda la comunidad contribuir y revisar los datos.

Moses Guttmann, CEO y cofundador de la plataforma MLOps BorrarML, en Tendencias de aprendizaje automático a seguir

La automatización y la escasez de habilidades de ML Aunque hemos visto a muchas de las principales empresas de tecnología anunciar despidos a fines de 2022, es probable que ninguna de ellas esté despidiendo a su personal de aprendizaje automático más talentoso. Sin embargo, para llenar el vacío... en equipos profundamente técnicos, las empresas tendrán que inclinarse aún más hacia la automatización para mantener la productividad y garantizar que los proyectos se completen. También esperamos ver que las empresas que usan tecnología ML implementen más sistemas para monitorear y controlar el rendimiento y tomar más decisiones basadas en datos sobre cómo administrar ML o equipos de ciencia de datos...

Se acabó el acaparamiento de talentos de ML  Es probable que los despidos de trabajadores de ML se encuentren entre las contrataciones más recientes, a diferencia del personal de ML a más largo plazo…. Dado que ML y AI se han convertido en una tecnología más común en la última década, muchas grandes empresas de tecnología comenzaron a contratar a este tipo de trabajadores porque podían manejar el costo financiero y mantenerlos alejados de la competencia, no necesariamente porque fueran necesarios. (Entonces) no es sorprendente ver que se despida a tantos trabajadores de ML... Sin embargo, a medida que termina la era del acaparamiento de talentos de ML, podría marcar el comienzo de una nueva ola de innovación y oportunidades para las nuevas empresas. Con tanto talento ahora buscando trabajo, es probable que veamos a muchas de estas personas salir de las grandes empresas tecnológicas y entrar en pequeñas y medianas empresas o nuevas empresas.

Priorización de proyectos de ML  Veo que los proyectos de aprendizaje automático se reducen a dos tipos: características vendibles que el liderazgo cree que aumentarán las ventas y ganarán contra la competencia, y proyectos de optimización de ingresos... Es probable que los proyectos de características vendibles se pospongan, ya que son difíciles de sacar rápidamente, y en su lugar , los equipos de ML ahora más pequeños se centrarán más en la optimización de ingresos, ya que puede generar ingresos reales. El rendimiento, en este momento, es esencial para todas las unidades de negocio y ML no es inmune a eso.

Aprendizaje automático unificado  Uno de los factores que ralentiza la adopción de MLOps es la gran cantidad de soluciones puntuales. No quiere decir que no funcionen, sino que es posible que no se integren bien y dejen lagunas en el flujo de trabajo. Por eso, creo firmemente que 2023 es el año en que la industria avanza hacia plataformas unificadas de extremo a extremo construidas a partir de módulos que se pueden usar individualmente y también se integran perfectamente entre sí (así como se integran fácilmente con otros productos) . Este tipo de enfoque de plataforma, con la flexibilidad de los componentes individuales, ofrece el tipo de experiencia ágil que buscan los especialistas de hoy. Es más fácil que comprar productos puntuales y unirlos; es más rápido que construir su propia infraestructura desde cero (cuando debería usar ese tiempo para construir modelos)….

NVIDIA ofreció una gran cantidad de predicciones en una variedad de campos de inteligencia artificial y aprendizaje automático:

Anima Anandkumar, directora de investigación de ML y profesora Bren en Caltech
Los gemelos digitales se vuelven físicos: Veremos a gran escala gemelos digitales de procesos físicos que son complejos y de múltiples escalas, como modelos meteorológicos y climáticos, fenómenos sísmicos y propiedades de los materiales. Esto acelerará las simulaciones científicas actuales hasta un millón de veces y permitirá nuevos conocimientos y descubrimientos científicos.

Agentes de IA generalistas: Los agentes de IA resolverán tareas abiertas con instrucciones en lenguaje natural y aprendizaje reforzado a gran escala, mientras aprovechan los modelos básicos (esos grandes modelos de IA entrenados en una gran cantidad de datos sin etiquetar a escala) para permitir que los agentes puedan analizar cualquier tipo de solicitud y adaptarse a nuevos tipos de preguntas con el tiempo.

Manuvir Das, vicepresidente de informática empresarial
Los avances de software acaban con los silos de IA: Durante mucho tiempo, las empresas han tenido que elegir entre la computación en la nube y las arquitecturas híbridas para la investigación y el desarrollo de IA, una práctica que puede sofocar la productividad de los desarrolladores y ralentizar la innovación.

En 2023, el software permitirá a las empresas unificar las canalizaciones de IA en todos los tipos de infraestructura y brindar una experiencia única y conectada para los profesionales de IA. Esto permitirá a las empresas equilibrar los costos con los objetivos estratégicos, independientemente del tamaño o la complejidad del proyecto, y brindará acceso a una capacidad prácticamente ilimitada para un desarrollo flexible.

La IA generativa transforma las aplicaciones empresariales: La exageración sobre la IA generativa se vuelve realidad en 2023. Esto se debe a que las bases para la verdadera IA generativa finalmente están en su lugar, con un software que puede transformar grandes modelos de lenguaje y sistemas de recomendación en aplicaciones de producción que van más allá de las imágenes para responder preguntas de manera inteligente, crear contenido e incluso chispa descubrimientos….

kimberly powell, Vicepresidente, Salud
Cirugía 4.0: Los simuladores de vuelo sirven para entrenar pilotos e investigar nuevos controles de aeronaves. Lo mismo ocurre ahora con los cirujanos y los fabricantes de dispositivos de cirugía robótica. Los gemelos digitales que pueden simular en todas las escalas, desde el entorno de la sala de operaciones hasta el robot médico y la anatomía del paciente, están abriendo nuevos caminos en los ensayos quirúrgicos personalizados y diseñando interacciones entre humanos y máquinas impulsadas por IA. Las residencias largas no serán la única forma de producir un cirujano experimentado. Muchos se convertirán en operadores expertos cuando realicen su primera cirugía asistida por robot en un paciente real.

Danny Shapiro, vicepresidente de automoción
Entrenamiento de Vehículos Autónomos en el Metaverso: Los más de 250 fabricantes de automóviles y camiones, nuevas empresas, proveedores de transporte y movilidad como servicio que desarrollan vehículos autónomos están abordando uno de los desafíos de IA más complejos de nuestro tiempo. Simplemente no es posible encontrar todos los escenarios que deben poder manejar mediante pruebas en el camino, por lo que gran parte de la industria en 2023 recurrirá al mundo virtual para ayudar. La recopilación de datos en carretera se complementará con flotas virtuales que generan datos para entrenar y probar nuevas funciones antes de la implementación. La simulación de alta fidelidad ejecutará vehículos autónomos a través de una gama virtualmente infinita de escenarios y entornos...

Rev Lebardedian, Vicepresidente, Omniverse y Tecnología de Simulación
El Traductor Universal del Metaverso: Así como HTML es el lenguaje estándar de la web 2D, Descripción de escena universal está configurado para convertirse en el lenguaje abierto más poderoso, extensible y para la web 3D. Como estándar 3D para describir mundos virtuales en el metaverso, USD permitirá a las empresas e incluso a los consumidores moverse entre diferentes mundos 3D utilizando diversas herramientas, visores y navegadores de la manera más uniforme y uniforme.

Ronnie Vasishta, vicepresidente senior de telecomunicaciones
Cortar el cable en AR/VR a través de redes 5G: Si bien muchas empresas se trasladarán a la nube para el desarrollo de hardware y software, el diseño de vanguardia y la colaboración también crecerán a medida que las redes 5G se desplieguen más en todo el mundo. Los diseñadores de automóviles, por ejemplo, pueden ponerse cascos de realidad aumentada y transmitir el mismo contenido que ven a través de redes inalámbricas a colegas de todo el mundo, acelerando los cambios colaborativos y desarrollando soluciones innovadoras a velocidades récord. 5G también conducirá a implementaciones aceleradas de robots conectados en todas las industrias, que se utilizan para reabastecer los estantes de las tiendas, limpiar pisos, entregar pizzas y recoger y empacar productos en las fábricas.

Bob Pette, vicepresidente, visualización profesional
Una revolución industrial a través de la simulación: Todo lo construido en el mundo físico primero será simulado en un mundo virtual que obedece las leyes de la física. Estos gemelos digitales, incluidos los entornos a gran escala, como fábricas, ciudades e incluso todo el planeta, y el metaverso industrial se convertirán en componentes críticos de las iniciativas de transformación digital. Ya abundan los ejemplos: Siemens está llevando la automatización industrial a un nuevo nivel. BMW está simulando plantas enteras de fábrica para planificar de manera óptima los procesos de fabricación. Lockheed Martin está simulando el comportamiento de los incendios forestales para anticipar dónde y cuándo desplegar recursos. DNEG, SONY Pictures, WPP y otros están impulsando la productividad a través de departamentos de arte distribuidos globalmente que permiten a los creadores, artistas y diseñadores iterar escenas virtualmente en tiempo real.

Replanteamiento de la arquitectura de TI empresarial: Así como muchas empresas se esforzaron por adaptar su cultura y tecnologías para enfrentar los desafíos del trabajo híbrido, el nuevo año traerá una reorganización de toda la infraestructura de TI de muchas empresas. Las empresas buscarán dispositivos cliente potentes capaces de hacer frente a las demandas cada vez mayores de aplicaciones y conjuntos de datos complejos. Y adoptarán la flexibilidad, pasando a la nube para escalar exponencialmente. La adopción de plataformas de software de computación distribuida permitirá que una fuerza laboral dispersa a nivel mundial colabore y se mantenga productiva en los entornos de trabajo más dispares.

Del mismo modo, el desarrollo y la capacitación de modelos de IA complejos requerirán una infraestructura informática poderosa en el centro de datos y el escritorio. Las empresas buscarán pilas de software de IA seleccionadas para diferentes casos de uso industrial para facilitarles la incorporación de IA en sus flujos de trabajo y entregar productos y servicios de mayor calidad a los clientes más rápido.

Azita Martin, vicepresidenta, AI para el grupo de productos de consumo y minoristas
IA para optimizar las cadenas de suministro: Incluso los minoristas y las empresas de comercio electrónico más sofisticados tuvieron problemas en los últimos dos años para equilibrar la oferta con la demanda. Los consumidores aceptaron las compras desde el hogar durante la pandemia y luego regresaron en masa a las tiendas físicas después de que se levantaron los cierres. Después del golpe de la inflación, cambiaron sus hábitos de compra una vez más, provocando ataques a los gerentes de la cadena de suministro. AI permitirá pronósticos más frecuentes y precisos, asegurando que el producto correcto esté en la tienda correcta en el momento correcto. Además, los minoristas adoptarán el software de optimización de rutas y la tecnología de simulación para brindar una visión más holística de las oportunidades y las dificultades.

Malcolm deMayo, Vicepresidente, Servicios Financieros
Primero en la nube para servicios financieros: Los bancos tienen un nuevo imperativo: ser ágiles rápidamente. Al enfrentarse a la creciente competencia de las instituciones financieras no tradicionales, las expectativas cambiantes de los clientes que surgen de sus experiencias en otras industrias y cargadas con una infraestructura heredada, los bancos y otras instituciones adoptarán un enfoque de inteligencia artificial basado en la nube. Pero como una industria altamente regulada que requiere resiliencia operativa, un término de la industria que significa que sus sistemas pueden absorber y sobrevivir a los impactos (como una pandemia), los bancos buscarán soluciones híbridas abiertas, portátiles y reforzadas. Como resultado, los bancos están obligados a comprar acuerdos de apoyo cuando estén disponibles.

David Reber, director de seguridad
Los científicos de datos son su nuevo activo cibernético: Los profesionales cibernéticos tradicionales ya no pueden defenderse de manera efectiva contra las amenazas más sofisticadas porque la velocidad y la complejidad de los ataques y la defensa han excedido efectivamente las capacidades humanas. Los científicos de datos y otros analistas humanos utilizarán la IA para observar todos los datos de manera objetiva y descubrir amenazas. Las infracciones van a ocurrir, por lo que las técnicas de ciencia de datos que utilizan IA y humanos ayudarán a encontrar la aguja en el pajar y responder rápidamente.

Kari Briski, vicepresidente, software de IA y HPC
Los datos sin etiquetar encuentran su propósito: Los modelos de lenguaje extenso y los datos estructurados también se extenderán a montones de fotos, grabaciones de audio, tweets y más para encontrar patrones ocultos y pistas que respalden avances en el cuidado de la salud, avances en la ciencia, mejores interacciones con los clientes e incluso avances importantes en el transporte autónomo. En 2023, agregar todos estos datos no estructurados a la mezcla ayudará a desarrollar redes neuronales que pueden, por ejemplo, generar perfiles sintéticos para imitar los registros de salud de los que han aprendido. Este tipo de aprendizaje automático no supervisado se convertirá en tan importante como el aprendizaje automático supervisado.

El nuevo centro de llamadas: Esté atento al centro de llamadas en 2023, donde la adopción de flujos de trabajo de IA de voz cada vez más fáciles de implementar proporcionará flexibilidad comercial en cada paso de la canalización de interacción con el cliente, desde la modificación de arquitecturas de modelos hasta el ajuste fino de modelos en datos patentados y personalización de canalizaciones. A medida que se amplíe la accesibilidad de los flujos de trabajo de IA de voz, veremos una mayor adopción empresarial y un gran aumento en la productividad del centro de llamadas al acelerar el tiempo de resolución. AI ayudará a los agentes a extraer la información correcta de una base de conocimiento masiva en el momento adecuado, minimizando los tiempos de espera para los clientes.

Deepu Talla, vicepresidente, computación integrada y perimetral
Los robots consiguen un millón de vidas: Más robots serán entrenados en mundos virtuales a medida que la representación fotorrealista y el modelado físico preciso se combinen con la capacidad de simular en paralelo millones de instancias de un robot en GPU en la nube. Las técnicas de IA generativa facilitarán la creación de escenarios de simulación 3D altamente realistas y acelerarán aún más la adopción de simulación y datos sintéticos para desarrollar robots más capaces.

 Marc Spieler, director sénior, Energía
Red de energía impulsada por IA: A medida que la red se vuelve más compleja debido a la tasa sin precedentes de recursos de energía distribuida que se agregan, las empresas de servicios eléctricos requerirán IA de vanguardia para mejorar la eficiencia operativa, mejorar la seguridad funcional, aumentar la precisión de la previsión de carga y demanda, y acelerar el tiempo de conexión de la energía renovable. , como la solar y la eólica. La IA en el borde aumentará la resiliencia de la red, al tiempo que reducirá el costo y el desperdicio de energía.