A IA está ficando sem poder de computação. IBM diz que a resposta é este novo chip
A IBM Research revelou a nova Unidade de Inteligência Artificial, projetada para executar modelos de aprendizado profundo para praticamente qualquer aplicativo corporativo.
Um close do chip IBM Artificial Intelligence Unit.
O hype sugere que a inteligência artificial (IA) já está em toda parte, mas, na realidade, a tecnologia que a impulsiona ainda está em desenvolvimento. Muitos aplicativos de IA são alimentados com chips que não foram projetados para IA - em vez disso, eles dependem de CPUs e GPUs de uso geral criadas para videogames. Essa incompatibilidade levou a uma enxurrada de investimentos - de gigantes da tecnologia como IBM, Intel e Google, bem como de startups e VCs - no design de novos chips expressamente projetados para cargas de trabalho de IA.
À medida que a tecnologia melhora, o investimento empresarial certamente seguirá. De acordo com o Gartner, a receita de chips de IA totalizou mais de US$34 bilhões em 2021 e deve crescer para US$86 bilhões até 2026. Além disso, disse a empresa de pesquisa, menos de 3% dos servidores de data center em 2020 incluíam aceleradores de carga de trabalho, enquanto mais de 15% devem incluir até 2026.
A IBM Research, por sua vez, acaba de lançar a Unidade de Inteligência Artificial (AIU), um protótipo de chip especializado em IA.
"Estamos ficando sem poder de computação. Os modelos de IA estão crescendo exponencialmente, mas o hardware para treinar esses gigantes e executá-los em servidores na nuvem ou em dispositivos de ponta, como smartphones e sensores, não avançou tão rapidamente", disse a IBM.
O AIU é o primeiro system-on-a-chip (SoC) completo do IBM Research AI Hardware Center projetado expressamente para executar modelos de aprendizado profundo de IA corporativa.
A IBM argumenta que o "burro de carga da computação tradicional", também conhecido como CPU, foi projetado antes da chegada do aprendizado profundo. Embora as CPUs sejam boas para aplicativos de uso geral, elas não são tão boas em treinar e executar modelos de aprendizado profundo que exigem operações de IA massivamente paralelas.
"Não há dúvida em nossas mentes de que a IA será um impulsionador fundamental das soluções de TI por muito, muito tempo", disse Jeff Burns, diretor de AI Compute da IBM Research, à ZDNET. "Ele será infundido em todo o cenário da computação, nessas complicadas infraestruturas e soluções de TI corporativas de uma maneira muito ampla e difusa."
Para a IBM, faz mais sentido construir soluções completas que sejam efetivamente universais, disse Burns, "para que possamos integrar esses recursos em diferentes plataformas de computação e oferecer suporte a uma variedade muito, muito ampla de requisitos de IA corporativa".
O AIU é um circuito integrado específico de aplicação (ASIC), mas pode ser programado para executar qualquer tipo de tarefa de aprendizado profundo. O chip possui 32 núcleos de processamento construídos com tecnologia de 5 nm e contém 23 bilhões de transistores. O layout é mais simples do que o de uma CPU, projetado para enviar dados diretamente de um mecanismo de computação para o próximo, tornando-o mais eficiente em termos de energia. Ele foi projetado para ser tão fácil de usar quanto uma placa gráfica e pode ser conectado a qualquer computador ou servidor com um slot PCIe.
Para economizar energia e recursos, a AIU aproveita a computação aproximada, uma técnica desenvolvida pela IBM para trocar a precisão computacional pela eficiência. Tradicionalmente, a computação depende da aritmética de ponto flutuante de 64 e 32 bits, para fornecer um nível de precisão útil para finanças, cálculos científicos e outras aplicações em que a precisão detalhada é importante. No entanto, esse nível de precisão não é realmente necessário para a grande maioria dos aplicativos de IA.
"Se você pensar em traçar a trajetória de um veículo autônomo, não há uma posição exata na pista onde o carro precisa estar", explica Burns. "Há uma variedade de lugares na pista."
As redes neurais são fundamentalmente inexatas - elas produzem uma saída com uma probabilidade. Por exemplo, um programa de visão computacional pode dizer com 98% de certeza que você está olhando para a foto de um gato. Mesmo assim, as redes neurais ainda foram inicialmente treinadas com aritmética de alta precisão, consumindo energia e tempo significativos.
A técnica de computação aproximada da AIU permite que ela caia da aritmética de ponto flutuante de 32 bits para formatos de bits com um quarto da quantidade de informações.
Para garantir que o chip seja verdadeiramente universal, a IBM se concentrou em mais do que apenas inovações de hardware. A IBM Research colocou uma grande ênfase nos modelos de fundação, com uma equipe de algo entre 400 e 500 pessoas trabalhando neles. Em contraste com os modelos de IA criados para uma tarefa específica, os modelos básicos são treinados em um amplo conjunto de dados não rotulados, criando um recurso semelhante a um banco de dados gigantesco. Então, quando você precisar de um modelo para uma tarefa específica, poderá treinar novamente o modelo de base usando uma quantidade relativamente pequena de dados rotulados.
Usando essa abordagem, a IBM pretende lidar com diferentes verticais e diferentes casos de uso de IA. Há um punhado de domínios para os quais a empresa está construindo modelos de base - esses casos de uso abrangem áreas como química e dados de séries temporais. Os dados de séries temporais, que simplesmente se referem a dados coletados em intervalos regulares de tempo, são essenciais para empresas industriais que precisam observar como seus equipamentos estão funcionando. Depois de construir modelos de base para um punhado de áreas-chave, a IBM pode desenvolver ofertas mais específicas e orientadas verticalmente. A equipe também garantiu que o software para a AIU seja totalmente compatível com a pilha de software da Red Hat, de propriedade da IBM.