Inteligencia artificial generativa

La inteligencia artificial generativa es un tipo de inteligencia artificial capaz de generar contenido completamente nuevo (conocido como GenAI, contenido generado por IA o AIGC) en forma de texto, imágenes, audio o video a partir de las instrucciones del usuario. Esto fue posible gracias a los avances en aprendizaje profundo y tecnología de redes neuronales, que han permitido que los modelos de IA trabajen con indicaciones en lenguaje natural, es decir, con los textos y las imágenes que las personas ya usamos para comunicarnos. A su vez, esto ha permitido que los programadores carguen en un modelo de IA el equivalente a Wikipedia; es decir, una base de datos existente compuesta por miles de millones, e incluso billones, de parámetros, y que lo entrenen para procesar lenguaje natural (NLP) y generar las respuestas adecuadas. Si la entrada se basa en lenguaje, el resultado puede ser un modelo de lenguaje de gran escala (LLM), como BLOOM, o un chatbot basado en uno de estos modelos, como ChatGPT. Si la entrada se basa en imágenes, el resultado puede ser un sistema de texto a imagen, como Stable Diffusion o Midjourney.

Más información: IA generativa frente a IA agéntica: cómo definir la próxima evolución de la IA

La inteligencia artificial generativa puede hacerlo gracias a un proceso de desarrollo de dos etapas que comprende el entrenamiento de la inteligencia artificial y la inferencia de la inteligencia artificial. Durante el entrenamiento de la inteligencia artificial, se carga una enorme base de datos con información etiquetada en el modelo de inteligencia artificial. La inteligencia artificial intenta «adivinar» cuál es el resultado esperado —ya sea la siguiente palabra de una oración o la identificación de síntomas en una imagen médica— y después verifica sus respuestas. Mediante iteraciones repetidas de predicciones (propagaciones hacia adelante) y retroalimentación (propagaciones hacia atrás), la inteligencia artificial ajusta con tanta precisión los valores ponderados de los parámetros de sus datos que empieza a generar el resultado correcto en cada ocasión. Esto se conoce como modelo de inteligencia artificial preentrenado.

Durante la inferencia de la inteligencia artificial, el modelo se enfrenta a datos nuevos y sin etiquetar del mundo real. Gracias a su amplio entrenamiento, el modelo puede generar la respuesta correcta. Sus interacciones con datos nuevos también se registran para utilizarlas en la siguiente ronda de entrenamiento de la inteligencia artificial, lo que permitirá optimizar aún más el modelo.

Cabe señalar que los avances en el desarrollo de la inteligencia artificial han hecho posible que esta realice aprendizaje autosupervisado o semisupervisado mediante datos sin etiquetar. Por esta razón, la inteligencia artificial generativa se vuelve más inteligente y sofisticada cada día.

Más información:Para aprovechar la inteligencia artificial generativa, es necesario conocer el «entrenamiento» y la «inferencia»

La inteligencia artificial generativa se utiliza ampliamente en diversos mercados verticales y escenarios, desde los medios y el marketing hasta la atención médica y el diseño de productos. A continuación, se presentan algunos ejemplos de cómo la inteligencia artificial generativa ya está transformando nuestro mundo.

● Atención médica: En la atención médica y la medicina, la inteligencia artificial generativa puede entrenarse con una biblioteca de datos médicos para ayudar a diagnosticar enfermedades o generar planes de tratamiento personalizados basados en el historial médico del paciente. También puede utilizarse en el desarrollo de medicamentos para analizar estructuras moleculares y diseñar nuevos fármacos. Por último, el uso de inteligencia artificial para generar expedientes médicos electrónicos (EHR) puede crear una base de datos para el análisis de información médica y, al mismo tiempo, reducir el trabajo administrativo del personal médico.

● Marketing: La inteligencia artificial generativa puede crear rápidamente planes y campañas de marketing, eslóganes y diseños visuales. Incluso puede crear campañas publicitarias personalizadas según las preferencias previstas de distintos segmentos de mercado.

● Medios: La inteligencia artificial generativa no solo puede ayudar a redactar guiones de televisión y comunicados de prensa, sino también producir imágenes, audio y contenido de video con una cantidad mínima de datos de entrenamiento. En lugar de reemplazar a los trabajadores, la inteligencia artificial puede ayudar a los creadores de contenido a dar vida a sus ideas de manera más eficiente y eficaz, para que aprovechen al máximo esa esquiva chispa creativa y produzcan una serie de obras maestras.

● Diseño de productos: La inteligencia artificial puede escribir código informático, generar planos de diseño de productos, evaluar conceptos e incluso ejecutar simulaciones para comprobar cómo funcionarían distintos diseños o materiales en un escenario real. Incluso el proceso de diseño de los microchips y sistemas informáticos que ejecutan la inteligencia artificial puede agilizarse mediante inteligencia artificial generativa, lo que permite crear prototipos rápidamente y reducir el tiempo de comercialización. Los macrodatos recopilados a partir de los comentarios de los usuarios pueden ser útiles para entrenar el modelo de inteligencia artificial y generar sugerencias valiosas para el diseño de productos.

Según las proyecciones de Bloomberg, se espera que el mercado de la inteligencia artificial generativa alcance los 1.3 billones de dólares estadounidenses para 2032, con una tasa de crecimiento anual compuesta (CAGR) del 42%.

GIGABYTE Technology cuenta con una línea integral de servidores de IA y soluciones de infraestructura de IA ideales para desarrollar y utilizar modelos de inteligencia artificial generativa. Las soluciones pueden dividirse en dos categorías según su función en el entrenamiento o la inferencia de IA.

● Entrenamiento de IA: Estos servidores utilizan los aceleradores de GPU y los módulos de cómputo más avanzados —o incluso un tipo avanzado de procesador que combina las funciones de las CPU y las GPU en un solo paquete— para realizar cómputo paralelo y procesar conjuntos de datos enormes con el fin de entrenar la IA. Un ejemplo destacado es GIGABYTE G593-SD0, que integra el módulo de cómputo NVIDIA HGX™ H100 de 8 GPU para crear una de las plataformas de entrenamiento de IA más potentes del mercado. Los servidores GIGABYTE también son compatibles con las GPU NVIDIA L40S. Otra opción innovadora es el chip «CPU más GPU», diseñado para cargas de trabajo de IA y HPC. Entre las opciones se encuentran AMD Instinct™ MI300A, una APU (unidad de procesamiento acelerado) de nivel empresarial de AMD, y el superchip NVIDIA Grace Hopper™, disponible en los servidores de alta densidad H-Series de GIGABYTE, como el H223-V10.

● Inferencia de IA: En esta etapa del trabajo con inteligencia artificial generativa, deben elegirse aceleradores especializados que sean especialmente adecuados para la inferencia de IA. El G293-Z43 de GIGABYTE está diseñado para alojar una configuración de alta densidad con dieciséis tarjetas AMD Alveo™ V70 en un chasis de 2U. Estos aceleradores utilizan una arquitectura de flujo de datos que los convierte en la solución ideal para cargas de trabajo de inferencia de IA centralizadas e intensivas. Los servidores GIGABYTE con ranuras de expansión PCIe Gen 4 (o superior) también son compatibles con las GPU NVIDIA A2 Tensor Core y L4 Tensor Core, que pueden contribuir a la inferencia de IA. Las GPU Qualcomm® Cloud AI 100, que pueden implementarse en los servidores GPU G-Series de GIGABYTE, pueden ejecutar inferencia de inteligencia artificial generativa en el borde de la red de manera más eficaz, ya que la solución aborda los aspectos más importantes de la inferencia de IA en la nube.