Een AI-gearomatiseerde reeks HPC-voorspellingen voor 2023

Veel voorspellingen voor HPC-AI in 2023 kwamen de afgelopen weken over onze spiegel, hier zijn fragmenten van degenen die we het meest interessant, fris, inzichtelijk en zelfs tegendraads vonden.

Altair Hoofdwetenschapper Rosemary Francis:
Go Big or Go Home – HPC's grotere workloads.Terwijl HPC-workloads big data-toepassingen aannemen, zoals in life sciences en deeltjesversnellers zoals de Britse diamanten lichtbron (voor meer onderzoek en experimenten), zien we een explosie in workflowtools. Vanaf 2023 zal deze transformatie naar multidimensionale planning de grootste aanjager van verandering zijn binnen HPC, aangezien de industrie probeert zichzelf te moderniseren en zich aan te passen aan deze grote verbonden applicaties.

HPC pakt diep leren aan:Naarmate deep learning in 2023 vaker voorkomt, zullen we een verdere verschuiving in HPC-workloads zien. Hoewel aanvankelijk de meeste machine learning-workloads werden uitgevoerd op Kubernetes of andere containerorkestratieframeworks, is het duidelijk geworden dat deze systemen zijn ontworpen voor microservices, niet voor de bursty, computerintensieve machineworkloads die nu nodig zijn voor deep learning. Commerciële HPC-workloadmanagers hebben uitgebreide containerondersteuning nodig, zodat organisaties hun rekenkracht kunnen spoolen en kunnen profiteren van batchplanning, cloudbursting en tariefdeling: allemaal belangrijke aspecten van efficiënte HPC.

Joe Fitzsimons, CEO van Horizon-kwantumcomputers, over de dood van NISQ en een verschuiving naar fouttolerantie in kwantumcomputing
“In de afgelopen jaren heeft de ontwikkeling van applicaties voor quantumcomputing een bijzondere focus gehad op het NISQ-regime, verwijzend naar Noisy Intermediate Scale Quantum-processors. De 'ruis' in deze titel verwijst naar de gevoeligheid van qubits voor interferentie door omgevingsfactoren, variërend van de nabijheid van andere qubits tot botsingen door kosmische straling. Deze ruis introduceert mogelijk fatale fouten in de processen van kwantumberekening. Het is al lang bekend dat het, in ieder geval theoretisch, mogelijk is om kwantumcomputers te bouwen die foutcorrectie bevatten, zodat een in wezen perfecte computer kan worden opgebouwd uit onvolmaakte componenten. De focus van NISQ-onderzoek lag echter op het ontwikkelen van variatie-algoritmen waarvan wordt gehoopt dat ze robuust zijn voor kleine verstoringen veroorzaakt door omgevingsruis, waardoor kwantumvoordeel mogelijk is zonder foutcorrectie.

“Helaas is er relatief weinig bewijs dat dergelijke NISQ-algoritmen daadwerkelijk een voordeel zullen opleveren ten opzichte van conventionele computers voor het brede scala aan optimalisatie- en machine learning-taken waarvoor ze worden overwogen. Hoewel er goede redenen zijn om aan te nemen dat kwantumvoordeel in een vroeg stadium te zien is op gebieden als de chemie, waar het op te lossen probleem kwantummechanisch van aard is, zijn er tekenen van hernieuwde aandacht voor het bereiken van het fouttolerantieregime, waarin fouten worden actief gecorrigeerd en waarvoor er veel sterker bewijs is voor kwantumvoordeel.”

Dell Technologies' John Roese, Global CTO - Een Quantum nieuwjaarsresolutie
Ik zal vroege vaardigheden ontwikkelen om te profiteren van kwantum. Quantumcomputing wordt echt en als u niet iemand in uw bedrijf heeft die begrijpt hoe deze technologie werkt en hoe deze uw bedrijf beïnvloedt, zult u deze technologiegolf missen. Identificeer het team, de tools en de taken die u aan kwantum zult wijden en begin met experimenteren. Vorige maand hebben we de on-premises Dell Quantum Computing-oplossing aangekondigd, waarmee organisaties in verschillende sectoren kunnen profiteren van versnelde rekenkracht via kwantumtechnologie die anders vandaag niet voor hen beschikbaar zou zijn. Investeren in kwantumsimulatie en uw datawetenschaps- en AI-teams in staat stellen de nieuwe talen en mogelijkheden van kwantum te leren, is van cruciaal belang in 2023.

Tegendraadse opvattingen over ML van Gideon Mendels, CEO en mede-oprichter van het MLOps-platform Komeet
Wanneer gegevens opraken: De meeste verbeteringen in ML zijn afkomstig van trainingsmodellen met steeds meer gegevens, maar we komen op een punt waarop we dat niet meer kunnen doen. Er is zojuist interessant onderzoek verschenen dat aantoont dat we tegen 2026 zonder gegevens kunnen komen te zitten. Als deze stelling standhoudt, zullen we geen verbeteringen meer zien, tenzij we betere modellen kunnen bouwen op dezelfde dataset.

Milieu-impact van generatieve modellen: Generatieve modellen leveren buitengewoon indrukwekkende resultaten op, maar het is niet duidelijk welke impact ze hebben op een echt bedrijf. Wat wel duidelijk is, is de COXNUMX-emissie-impact van het trainen van deze enorme modellen. De rekenvereisten zijn krankzinnig. Dus het roept de vraag op: "Zijn de resultaten de milieukosten waard?"

Ga weg van een softwarementaliteit: ML heeft tot nu toe de loop van softwareontwikkeling gevolgd, maar naarmate ML volwassener wordt, valt deze benadering uit elkaar. Geen enkele leverancier kan het allemaal. Teams kiezen tegenwoordig de beste beschikbare tools die relevant zijn voor wat ze proberen te doen. Verkopers die alles voor een team probeerden te zijn, falen. Om ML zijn potentieel te laten bereiken, moeten we anders denken om de juiste ML-stack te bouwen voor onze specifieke zakelijke behoeften.

Bias is overdreven: Bias is een concept dat veel aandacht krijgt - en dat zal nog meer worden met de AI Bill of Rights - het is niet iets waar veel ML-beoefenaars zich dagelijks mee bezig houden. Natuurlijk verklaren ze het, maar degelijke ML-beoefenaars begrijpen de problemen en weten wat ze moeten doen om te voorkomen dat vooringenomenheid de resultaten negatief beïnvloedt.

Jonas Kubilius van de Oxylabs-adviesraad over generatieve AI
Jonas Kubilius, mede-oprichter en CEO van Three Thirds en lid van de Oxylabs Advisory Board, verwacht een toenemende evolutie van Stable Diffusion, GPT-3, GitHub Copilot en andere technieken voor het genereren van inhoud tot winstgevende producten die door ontwikkelaars en makers van inhoud in de praktijk worden gebruikt. wereld toepassingen. Hij voegde eraan toe dat we een grotere interesse zouden zien in multimodale modellen die tekst, afbeeldingen, audio en andere invoer voor meerdere taken aankunnen.

"We zullen een verschuiving gaan zien van het gebruik van AI voor statische taken, zoals classificatie, naar taalmodelgestuurde interactieve workflows die mensen helpen hun taken efficiënter uit te voeren", aldus Kubilius.

Peter Mattson, voorzitter van MLCommons, op openbare datasets
“We zullen te maken krijgen met een combinatie van veeleisende nieuwe onderzoeksuitdagingen rond multimodale en conversatie-AI, naast juridische, ethische en eerlijkheidskwesties met web-scraped-data in huidige openbare datasets. De industrie als geheel zal ook niet alleen onderzoek beter moeten ondersteunen, maar ook wijdverspreide ML-toepassingen en nieuwe regelgeving (bijvoorbeeld door middel van testsets van industriële kwaliteit).”

Om een ​​"volgende generatie openbare data" te ondersteunen, voorspelt Mattson een behoefte aan sterke investeringen in datasets voor de meest urgente maatschappelijke en technische problemen, en kanaliseert hij die investering via een open-source-achtige infrastructuur die de hele gemeenschap in staat stelt bij te dragen aan en te beoordelen de gegevens.

Moses Guttmann, CEO en mede-oprichter vanMLOps-platform ClearML, op ML Trends om in de gaten te houden

Automatisering en het tekort aan ML-vaardigheden Hoewel we hebben gezien dat tal van toptechnologiebedrijven in de tweede helft van 2022 ontslagen aankondigen, is het waarschijnlijk dat geen van hen hun meest getalenteerde machine learning-personeel ontslaat. Maar om de leemte op te vullen … in diep technische teams zullen bedrijven nog verder moeten leunen op automatisering om de productiviteit op peil te houden en ervoor te zorgen dat projecten worden voltooid. We verwachten ook dat bedrijven die ML-technologie gebruiken meer systemen gaan gebruiken om de prestaties te monitoren en te sturen en meer datagestuurde beslissingen te nemen over het managen van ML- of data science-teams….

ML Talent hamsteren is voorbij  Ontslagen van ML-werknemers behoren waarschijnlijk tot de meest recente aanwervingen, in tegenstelling tot de meer langdurige ML-medewerkers…. Aangezien ML en AI de afgelopen tien jaar een meer gebruikelijke technologie zijn geworden, begonnen veel grote technologiebedrijven dit soort werknemers in dienst te nemen omdat ze de financiële kosten konden dragen en ze weg konden houden van concurrenten - niet noodzakelijkerwijs omdat ze nodig waren. (Dus) het is niet verwonderlijk dat zoveel ML-werknemers worden ontslagen... Maar naarmate het tijdperk van het oppotten van ML-talent eindigt, zou dit een nieuwe golf van innovatie en kansen voor startups kunnen inluiden. Met zoveel talent dat nu op zoek is naar werk, zullen we waarschijnlijk veel van deze mensen uit de grote technologie zien druppelen naar kleine en middelgrote bedrijven of startups.

Prioritering van ML-projecten  Ik zie machine learning-projecten in twee soorten worden samengevat: verkoopbare functies waarvan het management denkt dat ze de verkoop zullen verhogen en de concurrentie zullen verslaan, en projecten voor het optimaliseren van inkomsten... Projecten voor verkoopbare functies zullen waarschijnlijk worden uitgesteld, omdat ze moeilijk snel kunnen worden uitgebracht, en in plaats daarvan , zullen de nu kleinere ML-teams zich meer richten op omzetoptimalisatie, omdat dit de echte omzet kan verhogen. Prestaties zijn op dit moment essentieel voor alle business units en ML is daar niet immuun voor.

Uniforme ML  Een van de factoren die de acceptatie van MLOps vertragen, is de overvloed aan puntoplossingen. Het wil niet zeggen dat ze niet werken, maar dat ze misschien niet goed integreren en gaten in de workflow achterlaten. Daarom ben ik er vast van overtuigd dat 2023 het jaar is waarin de industrie evolueert naar uniforme, end-to-end platforms die zijn opgebouwd uit modules die afzonderlijk kunnen worden gebruikt en ook naadloos met elkaar kunnen worden geïntegreerd (en ook gemakkelijk kunnen worden geïntegreerd met andere producten). . Dit soort platformbenadering, met de flexibiliteit van individuele componenten, levert het soort agile ervaring waar de specialisten van vandaag naar op zoek zijn. Het is gemakkelijker dan puntproducten kopen en ze aan elkaar plakken; het is sneller dan je eigen infrastructuur vanaf nul opbouwen (terwijl je die tijd zou moeten gebruiken om modellen te bouwen)….

NVIDIA bood een groot aantal voorspellingen op verschillende gebieden van AI en machine learning:

Anima Anandkumar, directeur van ML Research, en Bren Professor bij Caltech
Digitale tweelingen worden fysiek: We zullen het op grote schaal zien digitale tweeling van fysische processen die complex en meerschalig zijn, zoals weer- en klimaatmodellen, seismische fenomenen en materiaaleigenschappen. Dit zal de huidige wetenschappelijke simulaties met een miljoen keer versnellen en nieuwe wetenschappelijke inzichten en ontdekkingen mogelijk maken.

Generalistische AI-agenten: AI-agenten lossen taken met een open einde op met natuurlijke taalinstructies en grootschalig versterkend leren, terwijl ze gebruik maken van basismodellen - die grote AI-modellen die op grote schaal zijn getraind op een enorme hoeveelheid niet-gelabelde gegevens - om agenten in staat te stellen elk type verzoek te ontleden en zich in de loop van de tijd aanpassen aan nieuwe soorten vragen.

Manuvir Das, vice-president Enterprise Computing
Software-ontwikkelingen maken een einde aan AI-silo's: Ondernemingen hebben lange tijd moeten kiezen tussen cloud computing en hybride architecturen voor AI-onderzoek en -ontwikkeling - een praktijk die de productiviteit van ontwikkelaars kan verstikken en innovatie kan vertragen.

In 2023 stelt software bedrijven in staat om AI-pijplijnen over alle infrastructuurtypen te verenigen en een enkele, verbonden ervaring voor AI-beoefenaars te bieden. Hierdoor kunnen ondernemingen kosten afwegen tegen strategische doelstellingen, ongeacht de projectgrootte of complexiteit, en toegang krijgen tot vrijwel onbeperkte capaciteit voor flexibele ontwikkeling.

Generatieve AI transformeert bedrijfsapplicaties: De hype over generatieve AI wordt werkelijkheid in 2023. Dat komt omdat de basis voor echte generatieve AI eindelijk is gelegd, met software die grote taalmodellen en aanbevelingssystemen kan transformeren in productietoepassingen die verder gaan dan afbeeldingen om op intelligente wijze vragen te beantwoorden, inhoud te creëren en zelfs vonk ontdekkingen….

Kimberly Powell, Vice-president, Gezondheidszorg
Chirurgie 4.0: Vluchtsimulatoren dienen om piloten op te leiden en nieuwe vliegtuigbesturing te onderzoeken. Hetzelfde geldt nu voor chirurgen en fabrikanten van robotchirurgische apparaten. Digitale tweelingen die op elke schaal kunnen simuleren, van de operatiekameromgeving tot de medische robot en de anatomie van de patiënt, zijn baanbrekend op het gebied van gepersonaliseerde chirurgische repetities en het ontwerpen van AI-gestuurde menselijke en machine-interacties. Lange residenties zijn niet de enige manier om een ​​ervaren chirurg voort te brengen. Velen zullen deskundige operators worden wanneer ze hun eerste robotondersteunde operatie uitvoeren bij een echte patiënt.

Danny Shapiro, Vice-President, Automobiel
Autonome voertuigen trainen in de Metaverse: De meer dan 250 auto- en vrachtwagenfabrikanten, startups, transport- en mobility-as-a-service-providers die autonome voertuigen ontwikkelen, pakken een van de meest complexe AI-uitdagingen van onze tijd aan. Het is simpelweg niet mogelijk om elk scenario dat ze moeten aankunnen, tegen te komen door op de weg te testen, dus een groot deel van de industrie zal in 2023 de virtuele wereld gebruiken om te helpen. Het verzamelen van gegevens op de weg zal worden aangevuld met virtuele wagenparken die gegevens genereren voor training en het testen van nieuwe functies voordat ze worden geïmplementeerd. High-fidelity-simulatie zal autonome voertuigen door een vrijwel oneindig aantal scenario's en omgevingen laten rijden...

Rev Lebardedian, vice-president, Omniversum en simulatietechnologie
De Metaverse universele vertaler: Net zoals HTML de standaardtaal is van het 2D-web, Universele scènebeschrijving wordt de meest krachtige, uitbreidbare, open taal voor het 3D-web. Als de 3D-standaard voor het beschrijven van virtuele werelden in de metaverse, zal USD bedrijven en zelfs consumenten in staat stellen om tussen verschillende 3D-werelden te bewegen met behulp van verschillende tools, viewers en browsers op de meest naadloze en consistente manier.

Ronnie Vasishta, Senior Vice President Telecom
Het snoer doorsnijden op AR/VR via 5G-netwerken: Hoewel veel bedrijven voor de ontwikkeling van hardware en software naar de cloud zullen verhuizen, zullen edge-ontwerp en samenwerking ook groeien naarmate 5G-netwerken over de hele wereld vollediger worden ingezet. Auto-ontwerpers kunnen bijvoorbeeld augmented reality-headsets dragen en dezelfde inhoud die ze zien via draadloze netwerken streamen naar collega's over de hele wereld, waardoor samenwerkingsveranderingen worden versneld en innovatieve oplossingen in recordtempo worden ontwikkeld. 5G zal ook leiden tot versnelde implementatie van verbonden robots in verschillende sectoren — gebruikt voor het aanvullen van winkelschappen, het schoonmaken van vloeren, het bezorgen van pizza's en het verzamelen en verpakken van goederen in fabrieken.

Bob Pette, vice-president, professionele visualisatie
Een industriële revolutie via simulatie: Alles wat in de fysieke wereld is gebouwd, wordt eerst gesimuleerd in een virtuele wereld die voldoet aan de wetten van de natuurkunde. Deze digitale tweelingen - inclusief grootschalige omgevingen, zoals fabrieken, steden en zelfs de hele planeet - en de industriële metaverse zullen cruciale componenten worden van initiatieven voor digitale transformatie. Voorbeelden zijn er genoeg: Siemens tilt industriële automatisering naar een nieuw niveau. BMW simuleert hele fabrieksvloeren om productieprocessen optimaal te plannen. Lockheed Martin simuleert het gedrag van bosbranden om te anticiperen waar en wanneer middelen moeten worden ingezet. DNEG, SONY Pictures, WPP en anderen verhogen de productiviteit via wereldwijd verspreide kunstafdelingen die makers, kunstenaars en ontwerpers in staat stellen scènes virtueel in realtime te herhalen.

Heroverweging van Enterprise IT-architectuur: Net zoals veel bedrijven zich haastten om hun cultuur en technologieën aan te passen om de uitdagingen van hybride werk aan te gaan, zal het nieuwe jaar voor veel bedrijven een herinrichting van de volledige IT-infrastructuur met zich meebrengen. Bedrijven zullen op zoek gaan naar krachtige client-apparaten die in staat zijn om de steeds toenemende eisen van applicaties en complexe datasets aan te kunnen. En ze zullen flexibiliteit omarmen en naar de cloud gaan om exponentieel te schalen. De acceptatie van gedistribueerde computersoftwareplatforms zal een wereldwijd verspreid personeelsbestand in staat stellen om samen te werken en productief te blijven in de meest uiteenlopende werkomgevingen.

Evenzo vereisen de ontwikkeling en training van complexe AI-modellen een krachtige rekeninfrastructuur in het datacenter en de desktop. Bedrijven zullen gecureerde AI-softwarestacks bekijken voor verschillende industriële use-cases om het voor hen gemakkelijk te maken om AI in hun workflows te integreren en sneller producten en diensten van hogere kwaliteit aan klanten te leveren.

Azita Martin, Vice President, AI voor Retail en Consumer Products Group
AI om toeleveringsketens te optimaliseren: Zelfs de meest geavanceerde retailers en e-commercebedrijven hadden de afgelopen twee jaar moeite om vraag en aanbod in balans te houden. Consumenten omarmden thuiswinkelen tijdens de pandemie en stroomden vervolgens massaal terug naar fysieke winkels nadat de lockdowns waren opgeheven. Nadat de inflatie toesloeg, veranderden ze hun koopgedrag opnieuw, wat de managers van de toeleveringsketen de stuipen op het lijf jaagde. AI maakt frequentere en nauwkeurigere prognoses mogelijk, zodat het juiste product op het juiste moment in de juiste winkel is. Ook zullen retailers route-optimalisatiesoftware en simulatietechnologie omarmen om een ​​meer holistische kijk op kansen en valkuilen te bieden.

Malcolm deMayo, vice-president financiële diensten
Cloud-first voor financiële diensten: Banken hebben een nieuwe noodzaak: wees snel wendbaar. Geconfronteerd met toenemende concurrentie van niet-traditionele financiële instellingen, veranderende klantverwachtingen die voortkomen uit hun ervaringen in andere sectoren en opgezadeld met verouderde infrastructuur, zullen banken en andere instellingen een cloud-first AI-benadering omarmen. Maar als een sterk gereguleerde branche die operationele veerkracht vereist, een brancheterm die betekent dat uw systemen schokken (zoals een pandemie) kunnen opvangen en overleven, zullen banken op zoek gaan naar open, draagbare, geharde, hybride oplossingen. Als gevolg hiervan zijn banken verplicht om ondersteuningsovereenkomsten te kopen wanneer deze beschikbaar zijn.

David Reber, hoofd beveiliging
Datawetenschappers zijn uw nieuwe cyberbezit: Traditionele cyberprofessionals kunnen zich niet langer effectief verdedigen tegen de meest geavanceerde bedreigingen, omdat de snelheid en complexiteit van aanvallen en verdediging de menselijke capaciteiten feitelijk te boven gaan. Datawetenschappers en andere menselijke analisten zullen AI gebruiken om objectief naar alle gegevens te kijken en bedreigingen te ontdekken. Er zullen inbreuken plaatsvinden, dus datawetenschapstechnieken met behulp van AI en mensen zullen helpen de speld in de hooiberg te vinden en snel te reageren.

Kari Briski, Vice President, AI en HPC Software
Niet-gelabelde gegevens vinden hun doel: Grote taalmodellen en gestructureerde gegevens zullen zich ook uitstrekken tot de vele foto's, audio-opnamen, tweets en meer om verborgen patronen en aanwijzingen te vinden ter ondersteuning van doorbraken in de gezondheidszorg, vooruitgang in de wetenschap, betere klantbetrokkenheid en zelfs grote vooruitgang in zelfrijdend transport. In 2023 zal het toevoegen van al deze ongestructureerde gegevens aan de mix helpen bij het ontwikkelen van neurale netwerken die bijvoorbeeld synthetische profielen kunnen genereren om de medische dossiers na te bootsen waarvan ze hebben geleerd. Deze vorm van machinaal leren zonder toezicht zal net zo belangrijk worden als machinaal leren onder toezicht.

Het nieuwe callcenter: Houd het callcenter in de gaten in 2023, waar de acceptatie van steeds gemakkelijker te implementeren spraak-AI-workflows zakelijke flexibiliteit zal bieden bij elke stap van de klantinteractiepijplijn - van het aanpassen van modelarchitecturen tot het verfijnen van modellen op eigen gegevens en het aanpassen van pijplijnen. Naarmate de toegankelijkheid van spraak-AI-workflows groter wordt, zullen we een grotere acceptatie door ondernemingen zien en een enorme toename van de productiviteit van callcenters door de tijd tot oplossing te versnellen. AI helpt agenten om op het juiste moment de juiste informatie uit een enorme kennisbank te halen, waardoor wachttijden voor klanten worden geminimaliseerd.

Deepu Talla, Vice President, Embedded en Edge Computing
Robots krijgen een miljoen levens: Meer robots zullen worden getraind in virtuele werelden, aangezien fotorealistische weergave en nauwkeurige fysische modellering worden gecombineerd met de mogelijkheid om parallel miljoenen instanties van een robot op GPU's in de cloud te simuleren. Generatieve AI-technieken zullen het gemakkelijker maken om zeer realistische 3D-simulatiescenario's te creëren en de acceptatie van simulatie en synthetische gegevens voor de ontwikkeling van meer capabele robots verder te versnellen.

 Marc Spieler, Senior Director, Energie
AI-aangedreven energienet: Naarmate het elektriciteitsnet complexer wordt door de ongekende hoeveelheid gedistribueerde energiebronnen die worden toegevoegd, zullen elektriciteitsbedrijven edge-AI nodig hebben om de operationele efficiëntie te verbeteren, de functionele veiligheid te verbeteren, de nauwkeurigheid van belasting- en vraagvoorspellingen te vergroten en de verbindingstijd van hernieuwbare energie te versnellen , zoals zon en wind. AI aan de rand zal de veerkracht van het net vergroten, terwijl energieverspilling en kosten worden verminderd.