La inteligencia artificial es el próximo gran avance de este negocio de alta tecnología. La innovación y la investigación dirigidas por las mejores empresas tecnológicas están afectando a verticales de la industria como la salud, el automóvil, las finanzas, el comercio minorista y la fabricación. Aunque la tecnología siempre ha sido un elemento muy importante para todos estos nombres de dominio, la IA está llevando la tecnología al centro de la empresa. Desde equipos médicos cruciales para salvar vidas hasta vehículos autónomos, la IA se incorporará a prácticamente todos los programas y aparatos.
Empresas de plataformas como Amazon, Apple, Facebook, Google, IBM y Microsoft están invirtiendo en el estudio y la creación de IA. Están trabajando para crear una IA más accesible para las empresas.
Tres facetas esenciales están acelerando el ritmo de innovación dentro del área de Machine Learning e Inteligencia Artificial .
Arquitectura informática avanzada
Los microprocesadores y CPU convencionales no están destinados a ocuparse del aprendizaje automático. Es posible que la CPU más rápida no sea la selección perfecta para entrenar una versión intrincada de ML. Para el entrenamiento y la inferencia de versiones de ML que brindan inteligencia al software, las CPU deben complementarse con una nueva generación de chips.
Debido al auge de la inteligencia artificial, la unidad de procesamiento de gráficos (GPU) ha tenido una gran demanda. Lo que alguna vez se consideró parte de las PC y estaciones de trabajo de juegos de azar de alta gama se ha convertido en el procesador más buscado de la nube general. A diferencia de las CPU, las GPU llegan con decenas de miles de núcleos que aceleran el procedimiento de entrenamiento de ML. Incluso para realizar una versión entrenada para inferencias, las GPU se están volviendo esenciales. En el futuro, probablemente habrá algún tipo de GPU donde haya una CPU. Desde los dispositivos de los clientes hasta las máquinas virtuales de la nube, las GPU serían la clave de la IA.
La siguiente innovación viene en el tipo de arreglo de puerta programable de campo o FPGA. Estos chips son personalizables y programables para obtener un tipo particular de carga de trabajo. Las CPU convencionales se desarrollan para cálculos de uso general, mientras que las FPGA se pueden programar desde el área una vez que se fabrican. Los dispositivos FPGA se seleccionan para tareas informáticas de mercado, como la formación de versiones ML. Los vendedores de nubes públicas están aprovechando los FPGA para proporcionar una infraestructura altamente optimizada y optimizada para la IA.
Por último, el acceso a servidores bare metal desde la nube está llevando a científicos e investigadores a realizar trabajos de computación de alto rendimiento en la nube. Estos servidores comprometidos de un solo inquilino brindan la mejor funcionalidad de su clase. Las máquinas virtuales sufren problemas de vecinos ruidosos debido a esta infraestructura común y de múltiples inquilinos. Los proveedores de infraestructura en la nube como Amazon EC2 junto con IBM Cloud están suministrando servidores bare metal.
Estos inventos impulsarán la adopción de IA en áreas como aeroespacial, salud, procesamiento de imágenes, manufactura y automotriz.
Progreso en redes neuronales profundas
El siguiente y más crucial elemento en la investigación de la IA en el progreso del aprendizaje profundo y las redes neuronales artificiales.
Las redes neuronales artificiales (ANN) están sustituyendo las versiones convencionales de aprendizaje automático para desarrollar versiones precisas y precisas. Las redes neuronales convolucionales (CNN) brindan la capacidad de un aprendizaje profundo para monitorear la visión. Varias de las mejoras actuales en la visión por computadora, como el Detector de casilla múltiple de disparo solitario (SSD) y las Redes de adversarios generativos (GAN), están descubriendo el procesamiento de imágenes. ) A modo de ejemplo, el empleo de algunas de esas técnicas, videos e imágenes que se toman con poca luz y muy baja resolución podría mejorarse en calidad HD. La investigación continua en visión por computadora es ahora la base para el procesamiento de imágenes en la atención médica, la protección, el transporte y otros nombres de dominio.
Varios de estos métodos emergentes de ML, como Capsule Neural Networks (CapsNet), básicamente alterarán la forma en que se implementan y entrenan las versiones de ML. Tendrán la capacidad de crear modelos que pronostiquen con precisión incluso si se entrenaron con datos restringidos.
Accesibilidad a conjuntos de datos históricos
Antes de que la nube se generalizara, guardar y acceder a la información era caro. Como resultado de las empresas basadas en la nube, la academia y las autoridades están desbloqueando la información que alguna vez estuvo restringida a los cartuchos de casete y discos magnéticos.
Los científicos de datos quieren tener acceso a grandes conjuntos de datos históricos para educar a los modelos de ML que pueden predecir con mayor precisión. La eficacia de una versión ML está directamente determinada por la calidad y las dimensiones de este conjunto de datos. Para abordar problemas complicados como descubrir el cáncer o llamar a la lluvia, los investigadores quieren grandes conjuntos de datos con diversos problemas de datos.
Con el almacenamiento y la recuperación de información cada vez más económicos, las agencias gubernamentales, las instituciones de salud y las instituciones están creando información no estructurada accesible al área de investigación. Desde imágenes clínicas hasta tendencias históricas de lluvia, los investigadores finalmente tienen acceso a abundantes conjuntos de datos. Esta variable por sí sola afecta significativamente la investigación de IA.
La abundancia de datos junto con aparatos informáticos de alto rendimiento inducirán opciones de inteligencia artificial de próxima generación.
Facebook, Google, IBM y Microsoft están contribuyendo a la investigación de la IA. Están invirtiendo miles de millones de dólares para crear IA relacionada con diversas verticales comerciales.
El acceso a conjuntos de datos enriquecidos junto con arquitecturas informáticas de próxima generación está capacitando a los investigadores y científicos de la información para innovar a un ritmo rápido. Estas variables crearán a la IA como una parte esencial de los dispositivos y aplicaciones.
Video
- https://www.youtube.com/watch?v=CMPKarLuna4&feature=youtu.be
