¿Puede la IA generativa superar las dudas sobre escalabilidad y costo?

Económico

Resumen:

Según Goldman Sachs Research, mientras las empresas más grandes del mundo compiten por construir la inteligencia artificial más sofisticada, cada vez son más las preguntas sobre hasta dónde y con qué rapidez se puede escalar la tecnología.

La llegada de la IA generativa ha generado un gran entusiasmo por el futuro de esta tecnología. A diferencia de otros tipos de IA, la IA generativa puede crear sus propios resultados en lenguaje natural. Como es “multimodal”, también puede generar respuestas en otros formatos, como texto, números, videos y sonido.

Las grandes empresas tecnológicas están citando casos de uso iniciales, y algunos actores empresariales ven margen para importantes ganancias de productividad en ciertas áreas como la escritura de código, lo que podría hacer que los empleados más valiosos sean aún más productivos.

Sin embargo, el tamaño exacto de los beneficios económicos futuros es tema de debate . El costo de desarrollar una IA de gran escala es extremadamente alto, y las grandes empresas tecnológicas invierten cientos de miles de millones de dólares, aunque el costo por consulta ha disminuido considerablemente desde que se lanzó la tecnología por primera vez.

En el Simposio Virtual Europeo sobre Inteligencia Artificial y Semiconductores de Goldman Sachs, que se celebró por primera vez, se reunieron 20 ponentes (desde directores ejecutivos y tecnólogos hasta economistas macro) para evaluar las perspectivas de la IA. En particular, debatieron temas clave, como los casos de uso, el mercado potencial total, los desafíos para un mayor desarrollo y adopción de la tecnología y las implicaciones para el hardware y los semiconductores europeos.

Hablamos con Alexander Duval, responsable de Europe Tech Hardware Semiconductors en Goldman Sachs Research, sobre las principales conclusiones del simposio.

¿Qué papel están desempeñando las grandes empresas tecnológicas conocidas como “hiperescaladores” en el desarrollo de la IA?

Hasta ahora, los gigantes tecnológicos estadounidenses han estado a la vanguardia del uso de la IA generativa. Han estado desarrollando grandes modelos de lenguaje que pueden usar tanto para sus negocios actuales como para crear nuevas herramientas comerciales.

En el simposio se escuchó cómo la tecnología genera una cuarta parte del código de un hiperescalador y ahorra un tiempo de ingeniería significativo para otro. Otros casos de uso más amplios en la economía real incluyen su uso para predecir la estructura de las proteínas e incluso para "rejuvenecer" la apariencia de un actor en una película.

Son ejemplos sorprendentes, pero vale la pena tener en cuenta que los hiperescaladores han gastado cientos de miles de millones en esto. En conjunto, han gastado alrededor de 200 mil millones de dólares en IA este año, y esa cifra probablemente aumentará a 250 mil millones de dólares el año que viene. Desarrollar modelos de lenguaje de gran tamaño puede costar decenas o cientos de millones de dólares. Y es por eso que en este simposio realmente queríamos analizar si es factible o deseable que la tecnología pueda escalarse para abordar muchos más casos de uso. Estos hiperescaladores tienen mucho flujo de caja libre y estamos empezando a ver ejemplos de casos de uso, pero varios observadores de la industria creen que en algún momento necesitamos ver un retorno de la inversión para una gama más amplia de casos de uso y verticales.

¿Han surgido casos de uso clave para la inteligencia artificial en la economía en general?

Como la IA generativa es multimodal, en teoría podría aplicarse a múltiples campos: atención al cliente, codificación, análisis médicos, marketing y muchos otros. Dado que hay un nivel muy significativo de inversión en IA, será necesario demostrar el beneficio agregado de dichos casos de uso para justificar un sólido retorno de la inversión. Dicho esto, algunos participantes en el simposio dijeron que podría no ser imperativo que la IA se escale en un área en particular (en otras palabras, puede que no sea necesario un único caso de uso clave) siempre que los beneficios económicos de todos los diferentes casos de uso sean suficientes en conjunto. Se podrían ver ganancias de eficiencia en todos los ámbitos.

Algunos oradores señalaron que existen numerosos ejemplos de grandes empresas tecnológicas exitosas en las que se podría argumentar que al principio no existía un caso de uso clave. Tomemos el ejemplo de las aplicaciones de transporte en taxi. Ya existía una solución perfectamente válida: caminar hasta el final de la calle y tomar un taxi físicamente. Pero al aprovechar el software y los efectos de red, se podían crear beneficios económicos muy grandes, así como beneficios para los consumidores.

¿Hay todavía espacio para que las empresas tecnológicas más pequeñas compitan?

Algunos oradores del simposio aportaron ideas interesantes sobre los modelos de lenguaje pequeños. Al principio, los actores tecnológicos se centraban en la creación de modelos de lenguaje grandes, que siguen siendo importantes, pero también existe una tendencia a desarrollar modelos más pequeños y eficientes.

Los modelos de lenguaje pequeños son más fáciles de ajustar, pueden consumir menos energía y pueden personalizarse para cumplir con los requisitos específicos de una empresa en un dominio determinado (como el legal, el médico o el financiero). Por lo general, también son menos costosos, porque son más pequeños y consumen menos energía.

Los grandes modelos lingüísticos seguirán siendo importantes, y los gigantes tecnológicos tienen los recursos, el flujo de caja libre y los balances para impulsar su desarrollo. Pero los oradores señalaron que habrá otros actores, quizás más pequeños, en el ecosistema que puedan innovar y desarrollar pequeños modelos lingüísticos que se apoyarán en esos modelos más grandes. Algunos oradores pensaron que esto presentaba una oportunidad para que las pequeñas empresas impulsaran la innovación en la cima de la pila y destacaron la gran cantidad de empresas que se fundan a diario para hacerlo.

¿Podría el alto costo de la IA generativa frenar el desarrollo?

La formación de los LLM requiere una inversión de capital muy elevada. Es necesario construir un centro de datos, se necesitan todos los semiconductores (que incluyen tanto las GPU como los chips de memoria) y se necesita hardware, energía y servicios públicos. Los oradores mencionaron que el coste por consulta en algunos dominios es varias veces superior al de un algoritmo de búsqueda normal.

Dicho esto, ha habido un progreso constante en la reducción de costos. El costo de una consulta de IA generativa en algunas grandes empresas de tecnología ha disminuido significativamente desde el lanzamiento de la tecnología, y una empresa de IA de nueva generación ha dicho que los ingresos generados por la última generación de LLM superaron el costo de entrenamiento de los modelos anteriores. Si bien algunos oradores afirmaron que podría existir el riesgo de que el gasto en IA se reduzca si no se generan retornos significativos, el consenso fue que los hiperescaladores seguirán invirtiendo en los próximos años. En total, Goldman Sachs Research predice alrededor de $ 1 billón de inversión en IA en los próximos años.

¿Cuáles son los otros obstáculos para ampliar aún más la IA?

La ampliación de la IA implica una serie de desafíos. Para desarrollar la tecnología, se necesita acceso a semiconductores, energía y una gran cantidad de datos.

Los datos se están convirtiendo en una cuestión clave. Estamos llegando al punto en que los desarrolladores han entrenado estos grandes modelos de lenguaje prácticamente con todos los datos que hay en Internet. Los expertos en IA están tratando de encontrar la manera de superar este problema.

Una posible respuesta es el aprendizaje multimodal, en el que los modelos de IA aprenden no solo mediante la ingesta de texto, sino también de vídeo e imágenes. Eso les proporcionará mucha más información. También existen almacenes de datos que pueden estar en silos exclusivos (en institutos de investigación o empresas, por ejemplo) y que, en teoría, podrían añadirse al corpus de datos con el que se entrenan estos modelos. También hemos oído hablar de la posibilidad de que la computación cuántica genere algunos datos de alta fidelidad que podrían utilizarse para entrenar modelos.

El enorme requerimiento energético es otro cuello de botella. La generación de energía tendrá que aumentar al menos tres o cuatro veces para 2030. Y uno de los paneles destacó que el aumento de los requerimientos energéticos de tan solo los cuatro o cinco mayores hiperescaladores en ese lapso será equivalente al consumo energético actual de Francia. Afortunadamente, los semiconductores más avanzados también pueden traer consigo una mejor infraestructura de transmisión y una conversión de energía más eficiente. También se están realizando esfuerzos para hacer que los semiconductores sean más eficientes energéticamente.

¿Cuáles son los riesgos de adoptar IA a gran escala y cómo podemos limitarlos?

La proliferación de la IA ha suscitado inquietudes sobre la ética de su uso. Dicho esto, nuestros paneles destacaron que las empresas y los organismos de ética están supervisando los casos de uso que se están desarrollando y sugiriendo medidas de seguridad para garantizar que la IA no se utilice de forma indebida. Por ejemplo, algunos oradores analizaron cómo el hecho de que un humano esté familiarizado con el contexto de la tarea específica que verifica los resultados de la IA reduce el riesgo de que las alucinaciones tengan un impacto perjudicial.

Otros riesgos que merecen mayor atención incluyen la comunicación entre IA (posiblemente en un lenguaje que los humanos no pueden entender), preocupaciones por derechos de autor, sesgo y seguridad.

En este sentido, los oradores coincidieron en que el uso de la IA puede limitarse cada vez más a los ámbitos menos riesgosos y depender de características de seguridad y de la supervisión humana.

¿Cómo podrían las empresas europeas de hardware y semiconductores beneficiarse del desarrollo de la tecnología de IA?

Varias empresas europeas de hardware y semiconductores podrían beneficiarse. En particular, en el simposio se habló sobre la tecnología de deposición de capas atómicas, un tipo de equipo de producción de semiconductores que permite depositar materiales sobre una oblea de silicio con mucha precisión para construir un chip. Una empresa en particular de los Países Bajos ofrece esta tecnología. A medida que estos chips se vuelven más potentes, necesitan ser más eficientes con el espacio y la energía, por lo que los nuevos diseños de chips aprovechan cada vez más la tecnología de deposición de capas atómicas.

Varios participantes también destacaron las capacidades de Europa en el encapsulado avanzado de semiconductores, necesario para garantizar un uso eficiente del espacio en los dispositivos. Y la litografía (el mecanismo para imprimir transistores en microchips) también seguirá avanzando, ofreciendo capacidades de procesamiento cada vez más potentes. Europa también es el principal productor de ese tipo de tecnología.

Por último, será necesaria una importante conversión de energía para hacer funcionar los servidores de IA, y Europa también tiene capacidades prometedoras en ese ámbito.

Para estar al día de toda la actualidad económica, consulte nuestro Calendario económico

Advertencias de riesgo y descargo de responsabilidad en inversiones

Usted entiende y reconoce que existe un alto grado de riesgo a la hora de operar con estrategias. Al seguir cualquier estrategia o metodología de inversión existe un riesgo potencial de pérdidas. El contenido de este sitios se ha proporcionado por nuestros colaboradores y analistas con un único propósito informativo. Usted, bajo su discreción, es el responsable exclusivo de determinar si los activos bursátiles, valores o estrategias de los productos son adecuados para usted según sus objetivos de inversión y situación financiera.

Divulgación de riesgos

El riesgo de pérdida en el comercio de activos financieros como acciones, divisas, materias primas, futuros, bonos, ETF o criptomonedas puede ser considerable. Puede sufrir una pérdida total de los fondos que deposita con su corredor. Por lo tanto, debe considerar cuidadosamente si dicha negociación es adecuada para usted tomando en cuenta sus circunstancias y recursos financieros.

No se debe considerar invertir sin llevar a cabo, su propia diligencia de manera minuciosa o consultar con sus asesores financieros. Nuestro contenido web puede no ser adecuado para usted, ya que no conocemos su situación financiera ni sus necesidades de inversión. Es posible que nuestra información financiera tenga latencia o contenga inexactitudes, por lo que usted debe ser completamente responsable de cualquiera de sus transacciones y decisiones de inversión. La empresa no se hará responsable de su capital perdido.

Sin obtener el permiso del sitio web, no se le permite copiar los gráficos, textos o marcas comerciales del sitio web. Los derechos de propiedad intelectual sobre los contenidos o datos incorporados a este sitio web pertenecen a sus proveedores y comerciantes de intercambio.

Búsquedas recientes

Búsquedas populares

Cotizaciones

Análisis

Usuario

24/7

Calendario económico

Educación

Datos