Google ha sido una de las compañías líderes en la definición de la era moderna de Internet con sus servicios de búsqueda y Android. Sin embargo, ahora se encuentra en la vanguardia de la próxima ola en investigación y desarrollo informático: la inteligencia artificial (IA). Muchos consideran que la IA y las computadoras de redes neuronales son el siguiente paso en la informática, lo que permite nuevos casos de uso y una computación más rápida para resolver problemas actualmente insolubles.
El gigante de las búsquedas, que ahora se autodenomina una “compañía centrada en la IA”, ha estado liderando la adopción de estas nuevas tecnologías de varias formas. Los algoritmos de redes neuronales y el aprendizaje automático ya están en el corazón de muchos de los servicios de Google. Filtran el spam en Gmail, optimizan la publicidad dirigida y analizan tu voz cuando hablas con Google Assistant o tu altavoz Home. En los teléfonos inteligentes, ideas como Google Lens y Bixby de Samsung están demostrando el poder del procesamiento de visión “IA”. Incluso empresas como Spotify y Netflix están utilizando los servidores de Google Cloud para adaptar el contenido a sus usuarios. La plataforma de Google Cloud es el centro de sus esfuerzos (y los de terceros) para utilizar esta área cada vez más popular de la informática.
Sin embargo, este nuevo campo requiere nuevos tipos de hardware para funcionar de manera eficiente, y Google ha invertido mucho en su propio hardware de procesamiento, al que llama Unidad de Procesamiento Tensorial en la Nube (Cloud TPU). Este hardware personalizado se encuentra en los servidores de Google y ya impulsa el ecosistema de IA actual y en expansión. Pero, ¿cómo funciona?
Las TPU frente a las CPUs: en busca de una mayor eficiencia
Google presentó su segunda generación de TPU en Google I/O a principios de este año, ofreciendo un mayor rendimiento y una mejor escalabilidad para clústeres más grandes. La TPU es un circuito integrado específico de la aplicación. Es un silicio personalizado diseñado específicamente para un caso de uso particular, en lugar de ser una unidad de procesamiento general como una CPU. La unidad está diseñada para manejar cálculos comunes de aprendizaje automático y redes neuronales para entrenamiento e inferencia; específicamente, multiplicación de matrices, producto punto y transformaciones de cuantización, que suelen tener solo 8 bits de precisión.
Aunque este tipo de cálculos se pueden realizar en una CPU y a veces incluso de manera más eficiente en una GPU, estas arquitecturas tienen limitaciones en términos de rendimiento y eficiencia energética al escalar en diferentes tipos de operaciones. Por ejemplo, los diseños optimizados de multiplicación de enteros de 8 bits según IEEE 754 pueden ser hasta 5.5 veces más eficientes en términos de energía y 6 veces más eficientes en términos de área que los diseños optimizados de punto flotante de 16 bits. También son 18.5 veces más eficientes en términos de energía y 27 veces más pequeños en términos de área que la multiplicación de punto flotante de 32 bits. IEEE 754 es el estándar técnico para cálculos de punto flotante utilizado en todas las CPU modernas.
En resumen, las Unidades de Procesamiento Tensorial en la Nube de Google representan el futuro de la inteligencia artificial y el aprendizaje automático. Estas unidades de procesamiento especializadas permiten un rendimiento y una eficiencia energética superiores en comparación con las CPU y las GPU convencionales. Con el continuo avance de la IA, es emocionante ver cómo Google y otras compañías seguirán innovando en este campo y cómo estas tecnologías transformarán nuestras vidas en el futuro.
