“Perangkat Keras”, Gunung Es IA

Hasil gambar untuk Le "hardware", la partie immergée de l'IA-ceberg

Pixabay

Perangkat keras sangat penting untuk aplikasi yang terkait dengan kecerdasan buatan. Mengapa nama-nama besar teknologi tinggi (Apple, Google, Intel …) mencari untuk mengembangkan chip mereka sendiri yang terspesialisasi dalam AI, sebuah sektor yang sekarang tidak dapat dihindari yang eksploitasi dalam jangka panjang dapat terbukti membuahkan hasil untuk perusahaan-perusahaan ini.

Beberapa minggu yang lalu, Elon Musk dengan bangga meluncurkan kreasi terbaru Tesla: sebuah chip bernama FSD. Menurutnya, ini harus memungkinkan kendaraan merek untuk mencapai otonomi penuh dalam beberapa bulan, sebuah pernyataan segera dipertanyakan oleh mantan pemasoknya, Nvidia, yang mengambil kesempatan untuk memuji sistem terintegrasi khusus miliknya sendiri. untuk mengemudi mandiri. Jika sulit untuk menyelesaikan kontroversi ini, itu akan memiliki setidaknya satu kelebihan: menyoroti pentingnya perangkat keras untuk aplikasi kecerdasan buatan (AI). Bahkan, dengan berusaha mengembangkan chip AI sendiri, Tesla baru saja bergabung dengan sebagian besar nama besar dalam teknologi. Sejak iPhone 8, Apple memasukkan chip yang disebutnya “Neural Engine”. Google, pada bagiannya, telah secara khusus merancang sebuah chip yang disebut Tensor Processing Unit (TPU) untuk platform pembelajaran mesinnya, TensorFlow.

Amazon telah membuat beberapa akuisisi ke arah ini untuk memperkuat kemampuan dari pembicara yang terhubung Echo, sementara Facebook juga telah menyatakan niatnya di bidang ini. Sementara itu, spesialis semikonduktor tidak ketinggalan, seperti Intel, yang telah melakukan akuisisi signifikan dalam beberapa tahun terakhir (Nervana, Mobileye) atau Samsung, yang baru saja mengumumkan rencana investasi kolosal lebih dari 100 miliar dolar selama sepuluh tahun. Namun, manuver-manuver hebat ini berjalan tanpa disadari, karena prospek aplikasi yang memonopoli semua perhatian dalam hal AI. Dalam hiruk pikuk hari ini, ini semua tentang deteksi sinyal lemah atau korelasi yang tidak terduga, dukungan keputusan dan otomatisasi, prediksi dan penyesuaian. Untuk startup, AI hampir menjadi keharusan. Hampir semua dari mereka meletakkannya di menu rencana bisnis mereka dan roadmap teknologi, meskipun selama tiga perempat itu tidak mencerminkan kenyataan.

Melangkah lebih jauh
Semua orang menjanjikan gunung dan keajaiban, dan karakter yang agak misterius dari istilah ini hanya menambah kebingungan. Namun, walaupun sudah dimungkinkan untuk mendapatkan manfaat signifikan dari AI, mereka masih sangat rendah dalam hal potensinya. Ini adalah, seperti yang mereka katakan dalam satu istilah, “low-hanging fruits”, buah-buahan yang paling mudah diakses. Tetapi yang paling banyak, dan yang paling segar, lebih jauh. Mencapai mereka akan membutuhkan skala lain dari sistem saat ini. Dan ini adalah pertaruhan dari perlombaan material yang kurang dimediasi, tetapi tidak kalah sengitnya. Prinsip-prinsip yang mendasari sistem komputer arus utama, termasuk yang paling kuat, telah didefinisikan di lain waktu dan untuk konteks penggunaan lain: mesin terisolasi dan sedikit, volume data terbatas, teknologi produksi terbatas, lemah kendala energi dan keamanan …

Arsitektur umum ini tidak dapat memenuhi persyaratan AI, yang membutuhkan sistem canggih di semua tingkatan: untuk membangun model, untuk mendidik dan mengoperasikannya, baik secara jarak jauh, di awan, atau tertanam, dan untuk membuat keputusan sedekat mungkin dengan data, dengan latensi minimal (komputasi tepi). Untuk masing-masing situasi ini, ada persamaan di mana daya pemrosesan, keakuratan perhitungan, konsumsi energi, selubung termal, volume data, keamanan dan biaya terlibat dalam proporsi variabel. Selain itu, persyaratan ini, dan oleh karena itu solusinya, dapat bervariasi tergantung pada bidang aplikasi, baik itu mengemudi sendiri, robot industri, objek yang terhubung atau aplikasi digital.

Kekurangan komptensi dan investor yang berhati-hati
Oleh karena itu, kita memahami bahwa semua nama besar dalam teknologi sedang mempelajari topik ini. Memiliki peralatan sendiri bukan hanya masalah independensi dari pemasok , tetapi juga merupakan keuntungan strategis. Ini memungkinkan untuk mengoptimalkan sistemnya dengan mengintegrasikannya dari ujung ke ujung (tumpukan penuh), tetapi juga untuk menutupnya, sehingga dapat menyimpan semua data yang berharga. Dalam bayangan besar, banyak startup juga bekerja untuk membuat perangkat keras batu bata yang besok akan sangat penting untuk aplikasi AI canggih. Ini, misalnya, kasus LightOn Prancis, yang mengembangkan prosesor menggunakan cahaya, atau Graphcore unicorn Inggris, yang Unit Pemrosesan Intelijen (IPU) dirancang khusus untuk pembelajaran mesin.

Bagi para pemain baru ini, lingkungannya tidak sederhana, karena mereka dihadapkan dengan kekurangan keterampilan dan kadang-kadang investor yang berhati-hati dalam menghadapi aktivitas padat modal yang terkenal dan keuntungan yang tidak pasti. Tetapi teknologi yang dalam ini bagi mereka memiliki aset utama: gangguan. Tidak seperti perusahaan besar, mereka tidak diharuskan menjadi bagian dari roadmap strategis atau menyetujui yang sudah ada. Mereka dapat mulai dari awal, menjelajahi jalan baru, menggabungkan keterampilan dari penelitian akademis dan menemukan paradigma baru. Dan jika mereka sekarang mendapat manfaat dari paparan yang lebih sedikit daripada semua startup yang mengklaim menggunakan AI, merekalah yang sedang mempersiapkan masa depan.

You may also like...