¿Cuál es el motor de la IA?

La inteligencia artificial (IA) ha transformado radicalmente el mundo en las últimas décadas, gracias al desarrollo de modelos cada vez más sofisticados. Pero detrás de cada avance disruptivo en IA hay un motor fundamental que ha hecho posible esta evolución: la capacidad de procesamiento. Al igual que los motores de los automóviles, que han pasado de ser rudimentarios, generando bajas velocidades y poco eficientes en sus primeras versiones, para pasar a desarrollar grandes prestaciones en términos de velocidad, rendimiento y eficiencia, los sistemas de procesamiento de datos, montados en procesadores físicos, han evolucionado para impulsar modelos de IA cada vez más complejos.

Para entender cómo funciona la capacidad de procesamiento, es importante hablar de FLOPS (Floating Point Operations per Second), una medida que indica cuántas operaciones matemáticas de punto flotante (sumas, multiplicaciones, etc.) puede realizar un sistema en un segundo. Los sistemas de procesamiento, ya sean CPUs, GPUs o, más recientemente, TPUs, son el equivalente a los motores en un automóvil: mientras mayor sea su capacidad (FLOPS), más rápido y eficiente será el sistema en procesar información.

La IA, particularmente en sus modelos más avanzados, requiere enormes cantidades de procesamiento porque trabaja con volúmenes masivos de datos y millones de operaciones matemáticas simultáneas. Por ejemplo:

1. Datos de entrada: La IA analiza texto, imágenes, voz o cualquier fuente de información.

2. Procesamiento: El modelo realiza cálculos complejos para identificar patrones, relaciones y resultados.

3. Salida: Genera predicciones, respuestas o contenido en cuestión de milisegundos.

Está evolución de la IA no ha sido fortuita ni un camino de estos años, pues han sido décadas de dar pasos en paralelo con el desarrollo de la capacidad de procesamiento. En la década de 1950, el desarrollo de Theseus de Claude Shannon, un sistema que resolvía laberintos mecánicos, utilizó 10 FLOPS. En su momento, fue una proeza tecnológica, comparable a los motores de los primeros automóviles, lentos pero revolucionarios para la época.

Sin embargo, el progreso no se detuvo. A medida que las capacidades de procesamiento crecieron exponencialmente, también lo hicieron los modelos de IA. En 2020, ChatGPT-3, una de las últimas y más avanzadas versiones de la IA en procesamiento de lenguaje natural de OpenAI, requirió 10 mil millones de FLOPS para funcionar. Esto representa un salto de millones de veces en comparación con el sistema de Shannon, habilitado por el desarrollo de infraestructura tecnológica como GPUs y TPUs de última generación.

La evolución de los automóviles ofrece un símil claro: al inicio, sus motores les daban prestaciones que los hacían lentos y con un rendimiento limitado, pero con el tiempo se hicieron más potentes, veloces, eficientes y precisos gracias a motores con avances en materiales, combustibles y diseño.

De la misma forma, los sistemas de procesamiento han pasado de los primeros microprocesadores a las actuales unidades de procesamiento paralelo que permiten manejar modelos de IA de escala global. Un modelo como ChatGPT o DALL·E, que genera imágenes a partir de texto, realiza billones de operaciones simultáneamente, lo que habría sido inimaginable hace apenas dos décadas.

Igualmente los motores evolucionaron, y buscando mayor eficiencia y prestaciones llegamos a automóviles eléctricos y autónomos, siendo Tesla el referente de ello. Entonces, si bien las tecnologías actuales han permitido avances sorprendentes en computación, ¿cuál es el Tesla en ello si seguimos con la misma tecnología de procesamiento pero con mayor capacidad, tal como ocurrió con el motor a combustión interna tradicional?. El futuro apunta hacia la computación cuántica como el siguiente gran salto. Los ordenadores cuánticos no procesan información de forma lineal, como los sistemas actuales, sino que operan mediante qubits, permitiendo realizar cálculos simultáneamente en múltiples estados. Esto significa que problemas complejos que hoy requieren años de procesamiento podrían resolverse en minutos.

Así, Google ya ha logrado la llamada supremacía cuántica, resolviendo en 200 segundos un problema que a una supercomputadora convencional le hubiera tomado hasta el año 12.000. ¡Sí, 10.000 años más!. La combinación de la computación cuántica con la IA permitirá desarrollar modelos mucho más complejos y precisos en áreas como:

• Medicina y biotecnología: Simulación de moléculas para descubrir tratamientos personalizados.

• Optimización industrial: Diseño de sistemas logísticos y energéticos ultraeficientes.

• Inteligencia artificial generalizada: Modelos de IA que podrían superar el entendimiento y aprendizaje humano en múltiples dominios.

La capacidad de procesamiento continuará creciendo a un ritmo exponencial. Modelos actuales de ChatGPT ya han avanzado 2 versiones más (pasó a la 4.o y ahora está en la o1), con lo que ya han alcanzado niveles sorprendentes en el manejo de lenguaje y datos, pero con la llegada de la computación cuántica y nuevas arquitecturas, se estima que las IA del futuro podrán procesar datos con niveles de precisión, complejidad de datos e información y velocidad inigualables.

Un ejemplo de lo que se proyecta es el desarrollo de simulaciones en tiempo real del planeta Tierra, donde modelos de IA procesen millones de variables climáticas, económicas y sociales para predecir escenarios con exactitud milimétrica. Además, se espera que sistemas de IA puedan diseñar nuevos materiales, revolucionar la ingeniería y crear soluciones innovadoras en sostenibilidad.

Con todo, la IA ha avanzado gracias a la evolución constante de su motor invisible: la capacidad de procesamiento. Desde los humildes 10 FLOPS de Theseus hasta los 10 mil millones de FLOPS de ChatGPT-3, la mejora en hardware ha permitido que la IA se vuelva más compleja, potente y útil para la humanidad.

Sin embargo, aún estamos en las primeras etapas de este viaje. Con la computación cuántica en el horizonte y la posibilidad de desarrollar IA capaces de resolver problemas globales, la próxima década promete un cambio sin precedentes en la forma en que vivimos, trabajamos y entendemos el mundo. Como ocurre con los automóviles modernos, la IA será más rápida, eficiente y sofisticada que nunca. La pregunta ahora no es si llegaremos más lejos, sino pensar en cuándo y qué tan rápido lo haremos.

AUTOR: Oscar Gutiérrez G.

Otros artículos del autor en IAnnovation:

• ¿La inteligencia artificial superará a los humanos en comprensión lectora?
• Tecnología e IA para los negocios en 2025: Nuevos desarrollos y un enfoque sostenible
• ¿Toda IA es IA?
• Plan de Data Center: Cuando pasas de pensar en tecnología a hacerlo parte de la estrategia
• Error de ChatGPT, una oportunidad para comprender a la IA y el prompt
• ¿Generará bienestar para las personas la IA?
• La comprensión (todavía) acotada de la IA
• Desarrollar IA para mi organización, ¿integración o propia?
• IA generativa, de generador de texto a... ¿qué se viene?
• IA multimodal: Cuando lo que nos entrega deja de ser sólo texto
• Lo que entiende la IA de un búho bebé
• La IA, una ayuda "aparentemente" humana
• El potencial de la IA en nuestras manos
• IA al límite de la ética
• IA en todo - Las próximas aplicaciones en diseño de imágenes
• Inteligencia Artificial ¿herramienta del futuro?

#procesadores #procesamiento #FLOPS #IA #inteligenciaartificial #Intel #NVidia