IA 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 permiten a los modelos de IA trabajar con indicaciones en lenguaje natural; es decir, con los textos e imágenes que los seres humanos ya utilizamos para comunicarnos. A su vez, esto ha permitido que los programadores carguen en un modelo de IA el equivalente a Wikipedia —una base de datos preexistente que contiene miles de millones, o incluso billones, de parámetros— y 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 grande (LLM), como BLOOM, o un chatbot basado en un modelo de este tipo, 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 IA generativa puede hacerlo gracias a un proceso de desarrollo de dos etapas que comprende el entrenamiento de IA y la inferencia de IA. Durante el entrenamiento de IA, se carga una enorme base de datos de información etiquetada en el modelo de IA. La IA 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 (propagación hacia adelante) y retroalimentación (retropropagación), la IA ajusta con tanta precisión los valores ponderados de sus parámetros de datos que comienza a generar el resultado correcto de manera consistente. Esto se conoce como modelo de IA preentrenado.

Durante la inferencia de IA, el modelo se enfrenta a datos nuevos y sin etiquetar del mundo real. A partir de 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 IA, lo que permite optimizar aún más el modelo.

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

Más información:Para aprovechar la IA generativa, primero debe conocer el «entrenamiento» y la «inferencia»

La IA generativa se utiliza ampliamente en diversos sectores 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 IA generativa ya está transformando nuestro mundo.

● Atención médica: En el sector de la salud y la medicina, la IA generativa puede entrenarse con grandes bibliotecas de datos médicos para ayudar a diagnosticar enfermedades o generar planes de tratamiento personalizados con base 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 la IA para generar expedientes médicos electrónicos (EHR) permite crear bases de datos para análisis de salud y, al mismo tiempo, reducir la carga administrativa del personal médico.

● Marketing: La IA generativa puede crear rápidamente planes y campañas de marketing, eslóganes y diseños visuales. Incluso puede desarrollar campañas publicitarias personalizadas con base en las preferencias previstas de distintos segmentos de mercado.

● Medios: La IA generativa no solo puede ayudar a redactar guiones para 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 IA puede ayudar a los creadores de contenido a materializar sus ideas de manera más eficiente y eficaz, aprovechar al máximo su inspiración creativa y producir obras excepcionales.

● Diseño de productos: La IA puede escribir código informático, generar planos de diseño de productos, evaluar conceptos e incluso ejecutar simulaciones para determinar cómo funcionarían distintos diseños o materiales en situaciones reales. El proceso de diseño de los microchips y sistemas informáticos que hacen funcionar la IA también puede acelerarse mediante la IA generativa, lo que permite crear prototipos rápidamente y reducir el tiempo de comercialización. Los grandes volúmenes de datos recopilados a partir de los comentarios de los usuarios pueden ser útiles para entrenar el modelo de IA y generar sugerencias valiosas para el diseño de productos.

De acuerdo con las proyecciones de Bloomberg, se espera que el mercado de la IA generativa alcance los US$1.3 billones para 2032, con una tasa de crecimiento anual compuesto (TCAC) del 42%.

GIGABYTE Technology cuenta con una línea integral deservidores de IAy soluciones de infraestructura de IA ideales para desarrollar y utilizar modelos de IA generativa. Estas soluciones se pueden dividir 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, procesar conjuntos de datos enormes y entrenar la IA. Un excelente ejemplo es GIGABYTEG593-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 interesante es el chip “CPU más GPU”, diseñado para cargas de trabajo de IA y HPC. Entre las opciones se encuentran AMD Instinct™ MI300A, la APU (unidad de procesamiento acelerado) de nivel empresarial de AMD, y el superchip NVIDIA Grace Hopper™, disponible en losservidores de alta densidad H-Seriesde GIGABYTE, como elH223-V10.

● Inferencia de IA: En esta etapa del trabajo con IA generativa, se deben elegir aceleradores especializados que sean los más adecuados para la inferencia de IA. ElG293-Z43de GIGABYTE está diseñado para alojar una configuración de alta densidad con dieciséis tarjetas AMD Alveo™ V70 en un chasis 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 superiores) 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 se pueden implementar en losservidores GPU G-Seriesde GIGABYTE, pueden realizar inferencia de IA generativa de manera más eficaz en el borde de la red, ya que la solución aborda los aspectos más importantes de la inferencia de IA en la nube.