L’avenir du traitement de l’IA

Les principaux résultats du rapport sont les suivants:

• Plus d’IA se déplace vers l’inférence et le bord. À mesure que la technologie de l’IA avance, l’inférence – la capacité d’un modèle à faire des prédictions en fonction de sa formation – peut maintenant être plus proche des utilisateurs et pas seulement dans le cloud. Cela a fait progresser le déploiement de l’IA à une gamme de différents appareils de bord, y compris les smartphones, les voitures et l’Internet des objets industriels (IIoT). Le traitement des bords réduit la dépendance au cloud pour offrir des temps de réponse plus rapides et une confidentialité améliorée. À l’avenir, le matériel pour l’IA à disque ne s’améliorera que dans des domaines tels que la capacité de la mémoire et l’efficacité énergétique.

• Pour fournir une IA omniprésente, les organisations adoptent un calcul hétérogène. Pour commercialiser la panoplie complète des cas d’utilisation de l’IA, le traitement et le calcul doivent être effectués sur le bon matériel. Une approche hétérogène débloque une base solide et adaptable pour le déploiement et l’avancement des cas d’utilisation de l’IA pour la vie quotidienne, le travail et le jeu. Il permet également aux organisations de se préparer à l’avenir de l’IA distribué d’une manière fiable, efficace et sécurisée. Mais il existe de nombreux compromis entre l’informatique cloud et Edge qui nécessite une attention particulière basée sur les besoins spécifiques à l’industrie.

• Les entreprises sont confrontées à des défis dans la gestion de la complexité du système et à garantir que les architectures actuelles peuvent s’adapter aux besoins futurs. Malgré les progrès dans les architectures de micropuces, telles que les dernières architectures de CPU haute performance optimisées pour l’IA, les logiciels et les outils doivent tous deux améliorer pour fournir une plate-forme de calcul qui prend en charge l’apprentissage automatique omniprésent, l’IA génératrice et les nouvelles spécialisations. Les experts soulignent l’importance de développer des architectures adaptables qui répondent aux exigences actuelles d’apprentissage automatique, tout en permettant de la place aux changements technologiques. Les avantages du calcul distribué doivent l’emporter sur les inconvénients en termes de complexité sur toutes les plateformes.

Télécharger le rapport complet.

Ce contenu a été produit par Insights, la branche de contenu personnalisée de la revue de la technologie MIT. Il n’a pas été écrit par le rédacteur de la MIT Technology Review.

Ce contenu a été recherché, conçu et écrit entièrement par des écrivains, éditeurs, analystes et illustrateurs humains. Cela comprend la rédaction d’enquêtes et la collecte de données pour les enquêtes. Les outils d’IA qui peuvent avoir été utilisés étaient limités aux processus de production secondaire qui ont réussi une revue humaine approfondie.