Para qué sirven los procesadores con Inteligencia Artificial en un móvil

Para qué sirven los procesadores con Inteligencia Artificial en un móvil

Te contamos los secretos de la Inteligencia Artificial.

Compartir

En los últimos meses, hemos escuchado mucho sobre el uso del silicio especializado para el aprendizaje automático en dispositivos móviles. Los nuevos iPhone tienen su “motor neuronal”, el Mate 10 de Huawei viene con una “unidad de procesamiento neuronal” y las compañías que fabrican y diseñan chips (como Qualcomm y ARM) se están preparando para suministrar hardware optimizado para inteligencia artificial al resto de la industria.

Lo que no está claro es cuánto beneficia todo esto al consumidor. Cuando compras un teléfono, ¿debería de haber un “chip de inteligencia artificial” en tu lista de deseos? No, pero profundicemos un poco más.

¿Por qué necesitamos estos chips?

La razón para tener chips móviles de AI en primer lugar es bastante sencillo. Las CPU comunes que se encuentran en los teléfonos, ordenadores portátiles y de escritorio simplemente no son adecuadas para las demandas de aprendizaje automático, y tratar de hacer que terminen con un servicio lento y una batería que se descarga rápido.

La inteligencia artificial actual requiere que los ordenadores hagan muchos pequeños cálculos muy rápidamente, pero las CPU solo tienen un puñado de núcleos disponibles para hacer las operaciones matemáticas. Es por esto que la industria adora las unidades de procesamiento gráfico o GPU. Fueron diseñados originalmente para renderizar gráficos de videojuegos, lo cual requiere hacer muchos pequeños cálculos muy rápidamente. En lugar de un puñado de núcleos, tienen miles.

Ahora, instalar miles de núcleos en un chip para tu teléfono es algo que no va a pasar. Pero hay otros cambios arquitectónicos que puede realizar para aumentar la cantidad de trabajo simultáneo que tu chip puede hacer. El jefe de informática y aprendizaje automático de Qualcomm, Gary Brotman explica “Creo que la paralelización es ciertamente clave, y hacerlo de manera eficiente, especialmente“. Sin embargo, agrega rápidamente que las unidades informáticas dedicadas de IA no son el único camino a seguir, ya que otros fragmentos de arquitectura de chip también se pueden adaptar.

“Chip AI” es un término útilmente reconocible, pero también es impreciso. En el caso de Huawei y Apple, lo que se ofrece no es un chip único y autónomo, sino procesadores dedicados que vienen como parte de un SoC (o sistema en chip) más grande, como el A11 Biónico de Apple. Los SoC ya contienen varios componentes especializados para cosas como renderizar gráficos y procesar imágenes, por lo que agregar algunos núcleos para AI es algo similar al curso.

¿Qué sacamos de esto?

Como se mencionó anteriormente, el hardware de IA especializado significa, en teoría, un mejor rendimiento y una mejor duración de la batería. Pero también hay ventajas para la privacidad y seguridad del usuario, y para los desarrolladores también.

Inteligencia Artificial = mayor rendimiento y privacidad

Primero, privacidad y seguridad. Por el momento, muchos servicios de aprendizaje automático deben enviar sus datos a la nube para realizar el análisis real. Empresas como Google y Apple han ideado métodos para realizar este tipo de cálculos directamente en el teléfono, pero aún no se utilizan ampliamente. Tener hardware dedicado fomenta más IA en el dispositivo, lo que significa menos riesgo para los usuarios de los datos que se filtran o pirateen.

Además, si no envía datos a la nube cada pocos segundos, significa que los usuarios pueden acceder a los servicios sin conexión y guardar datos. Esa última parte es una gran ayuda para los desarrolladores también. Después de todo, si el análisis se realiza en el dispositivo, se ahorra a las personas que ejecutan la aplicación el pago de los servidores. Mientras el hardware esté a la altura, todos se benefician.

¿Está listo para usarse?

La siguiente sección es donde las cosas se vuelven más complicadas. El hecho de que un teléfono tenga un chip de Inteligencia Artificial no significa que las aplicaciones y servicios impulsados ​​por Inteligencia Artificial puedan aprovecharlo.

En el caso de Huawei y Apple, por ejemplo, ambas compañías tienen sus propias API que los desarrolladores deben usar para aprovechar el poder de sus respectivos hardware “neuronales”. Y antes de que puedan integrar esa API, deben asegurarse de que el marco de inteligencia artificial que usaron (por ejemplo, TensorFlow de Google o Caffe2 de Facebook) también sea compatible. Si no es así, tendrán que convertirlo, lo que también lleva tiempo.

Pasará un tiempo antes de que las personas desarrollen experiencias elaboradas utilizando este hardware. Hasta entonces habrá asociaciones especiales entre fabricantes y terceros“, comenta Anthony Mullen. Es por eso que Microsoft está trabajando con Huawei para asegurarse de que su aplicación Translator funciona sin conexión con el chip NPU de la compañía, y por qué Facebook se asoció con Qualcomm para integrar el hardware de IA de este último.

Facebook trabajó con Qualcomm para hacer que sus filtros selfies de realidad aumentada fuesen más rápido en el hardware de la compañía. Pero mientras grandes empresas como estas pueden darse el lujo de invertir en esto, no está claro si valdrá la pena el esfuerzo para cada desarrollador de aplicaciones pequeñas.

Esto no será un problema para Apple, cuyos desarrolladores solo tendrán que adaptar su aplicación una vez que utilicen el marco Core ML de la compañía; pero podría ser un dolor de cabeza para Android, especialmente si diferentes fabricantes comienzan a presentar sus propios protocolos.

Afortunadamente, Google está utilizando su poder sobre el ecosistema para combatir este problema. Su marco de inteligencia artificial móvil, TensorFlow Lite, ya está estandarizando algunas experiencias en dispositivos móviles, y está introduciendo sus propias API de Android para “aprovechar los aceleradores específicos de silicio“.

Desde el punto de vista de un desarrollador en el entorno de Android, no mitiga todos los riesgos de fragmentación“, dice Brotman. “Pero ciertamente proporcionará una construcción para que sea más fácil“. Agrega que algunos de los efectos de este trabajo no se sentirán del todo hasta que Android P esté listo.

¿Necesito este chip en mi teléfono?

No, en realidad no. Se está trabajando tanto para lograr que los servicios de IA funcionen mejor en el hardware actualmente disponible, a menos que seas un verdadero usuario avanzado, no necesitas preocuparte por ello.

Tanto en los casos de Huawei como de Apple, el uso principal de su nuevo y brillante hardware hace que sus teléfonos sean mejores. Para Huawei eso significa monitorear cómo se usa Mate 10 durante su vida útil y reasignar recursos para evitar que se ralentice; para Apple significa tener nuevas características como Face ID o los animojis.

Tener poder de cómputo dedicado a las tareas de inteligencia artificial es claro, pero también lo son otras características de los teléfonos de gama alta, como las lentes de doble cámara o la impermeabilización. Jactarse de los chips de IA hace que ahora sea ​​un buen marketing, no pasará mucho tiempo antes de que se convierta en otro componente.

Fuente: theverge.com