La inteligencia artificial, nueva frontera para los fabricantes de chips
The New York TimesCade Metz
SAN FRANCISCO — Durante años, los financieros de la industria tecnológica mostraron poco interés en las empresas emergentes que creaban chips para computadora.
¿En qué planeta podría competir una empresa de este tipo con un Goliat como Intel, la cual fabricó los chips que hacen funcionar al 80 por ciento de las computadoras personales en el mundo? Incluso en las áreas donde Intel no dominaba, como los teléfonos inteligentes y los dispositivos para videojuegos, había firmas como Qualcomm y Nvidia que podían aplastar a una empresa nueva.
Pero luego llegó la última moda en la industria tecnológica: la inteligencia artificial , la cual resultó que funciona mejor con nuevos tipos de chips para computadora. De pronto, los capitalistas de riesgo se olvidaron de todos esos obstáculos intimidantes que impiden el éxito de un fabricante joven de chips.
En la actualidad, al menos 45 empresas emergentes están trabajando con chips que pueden impulsar tareas como el reconocimiento de voz y los vehículos autónomos , y al menos cinco de ellas han obtenido más de 100 millones de dólares de inversionistas. El año pasado, los capitalistas de riesgo invirtieron más de 1500 millones de dólares en fabricantes nuevos de chips, casi el doble de inversión que se hizo hace dos años, según la firma de investigación CB Insights.
Este auge es parecido a la proliferación repentina que hubo de fabricantes de computadoras personales y discos duros en la década de 1980. A pesar de que son empresas pequeñas, y no todas sobrevivirán, tienen el potencial de alimentar un periodo de cambios tecnológicos veloces.
Es poco probable que alguna de estas empresas fantasee con desafiar de frente a Intel con sus propias fábricas de chips, cuya construcción puede costar miles de millones de dólares (las empresas emergentes contratan a otras para producir los suyos). No obstante, mediante el diseño de chips que pueden ofrecer el tipo particular de funcionamiento computacional que necesitan las máquinas que están aprendiendo cómo hacer cada vez más cosas, estas empresas nuevas están dirigiéndose a gran velocidad hacia uno de dos objetivos: encontrar un nicho rentable o ser adquiridas. Rápido.
El motor de la inteligencia artificial
“El aprendizaje automático y la inteligencia artificial reavivaron los cuestionamientos respecto de cómo fabricar computadoras”, afirmó Bill Coughran, quien durante muchos años ayudó a supervisar la infraestructura global de Google y en la actualidad es socio en Sequoia, la firma de capital de riesgo con sede en Silicon Valley. Sequoia ha invertido en Graphcore, una empresa nueva del Reino Unido que recientemente se unió al club de los 100 millones de dólares.
Para el verano de 2016, el cambio era evidente. Google , Microsoft y otros gigantes del internet estaban haciendo aplicacionesque pudieran identificar de inmediato rostros en fotos y reconocer comandos hablados en los teléfonos inteligentes por medio de algoritmos —conocidos como redes neuronales—, los cuales pueden aprender tareas identificando patrones en grandes cantidades de información.
Nvidia era mejor conocida por fabricar unidades de procesamiento de gráficos (GPU, por su sigla en inglés), las cuales estaban diseñadas para reproducir imágenes complejas de videojuegos y otros softwares, y resultó que también funcionaban muy bien para las redes neuronales. En 2015, Nvidia vendió 143 millones de dólares en chips a los inmensos centros de datos para computadoras dirigidos por empresas como Google: el doble del año anterior.
Intel luchó para no quedarse atrás. Por 400 millones de dólares, Intel adquirió Nervana, una empresa emergente de 50 empleados con sede en Silicon Valley que había comenzado a fabricar un chip de inteligencia artificial desde cero, de acuerdo con un reportaje del sitio de noticias tecnológicas Recode.
Después de eso, una segunda empresa emergente de Silicon Valley, Cerebras, se llevó a cinco ingenieros de Nervana porque también estaba diseñando un chip solo para inteligencia artificial.
Para comienzos de 2018, según un reportaje de Forbes, Cerebras había recaudado más de 100 millones de dólares en financiamiento. Sucedió lo mismo con otras cuatro firmas: Graphcore; otro negocio de Silicon Valley, Wave Computing; y dos empresas de Pekín, Horizon Robotics y Cambricon, las cuales tienen el respaldo del gobierno chino.
Lo más probable es que el primer gran cambio llegue en los centros de datos, donde empresas como Graphcore y Cerebras, las cuales han sido discretas sobre sus planes, esperan acelerar la creación de nuevas formas de inteligencia artificial. Entre los objetivos están los “bots” que pueden seguir conversaciones y los sistemas que pueden generar videos y realidad virtual de forma automática.
Los investigadores de lugares como Microsoft y Google, empresa que ha fabricado su propio chip únicamente para inteligencia artificial, “entrenan” a las redes neuronales por medio de un método extremo de ensayo y error, ya que prueban los algoritmos en una gran cantidad de chips durante horas e incluso días sin parar. Suelen sentarse frente a sus computadoras portátiles, mientras ven gráficas que demuestran el progreso de estos algoritmos a medida que van aprendiendo de la información. Los diseñadores de chips quieren hacer que el proceso sea más eficiente, reduciendo el tiempo de todos esos ensayos y errores a unos cuantos minutos.
En la actualidad, los GPU de Nvidia pueden ejecutar de forma eficiente todos los cálculos diminutos que entran en las redes neuronales en entrenamiento, pero el traslado de la información entre estos chips sigue siendo ineficaz, comentó Scott Gray, quien fue ingeniero de Nervana antes de unirse a OpenAI, un laboratorio de inteligencia artificial que cuenta entre sus fundadores al director ejecutivo de Tesla, Elon Musk.
Así que, además de fabricar chips específicos para redes neuronales, las empresas emergentes están replanteando el hardware que los rodea.
Redefinir qué debe hacer un chip
Graphcore, por ejemplo, está haciendo chips que tienen más memoria integrada para no tener que enviar tantos datos de ida y vuelta. Otras empresas están viendo la manera de ampliar los canales entre los chips para que sea más veloz el intercambio de información.
“El objetivo no es solo hacer chips, sino encontrar la manera de que se conecten entre sí y hablen con el resto del sistema”, mencionó Coughran, de Sequoia.
Sin embargo, esta es tan solo una parte del cambio. Una vez que las redes neuronales están entrenadas para realizar una tarea, debe haber equipo adicional que la ejecute. En Toyota, los prototipos de vehículos autónomos están utilizando redes neuronales como una herramienta para identificar peatones, señalizaciones y otros objetos que se encuentran en los caminos. Después de entrenar una red neuronal en el centro de datos, la empresa introduce este algoritmo en los chips que van instalados en el auto.
Varios fabricantes de chips —entre ellos empresas emergentes como Mythic, DeePhi y Horizon Robotics— también están abordando este problema por medio de chips de inteligencia artificial en dispositivos que van desde teléfonos hasta automóviles.
Aún no está claro qué tan bien funcionarán estos chips nuevos. Diseñar y fabricar un chip requiere de unos 24 meses, lo cual implica que incluso el primer hardware viable que dependa de ellos no llegará hasta este año. Además, las empresas nuevas que fabrican chips enfrentarán la competencia de Nvidia, Intel, Google y otros gigantes de la industria.
No obstante, todos están empezando casi desde el mismo lugar: el inicio de un nuevo mercado.
Por Cade Metz
Conforme a los criterios de
Más leídas de Tecnología
