La Inteligencia Artificial está demandando nuevo hardware más potente y específicamente diseñado para las cargas de trabajo y cálculos diferentes a las actuales, como son predicción, inferencia o intuición.
Para IBM, si vamos a hacer grandes avances en IA, nuestro hardware también debe cambiar. Comenzando con GPU, luego evolucionando a dispositivos analógicos, y después a computadoras cuánticas tolerantes a fallas.
El Deep Learningdistribuido (DDL) ha progresado a un ritmo de aproximadamente 2.5 veces por año desde 2009, cuando las GPU pasaron de aceleradores gráficos de videojuegos a formadores modelo de aprendizaje profundo. Los algoritmos DDL se «entrenan» en los datos visuales y de audio, y la mayor cantidad de GPU debería significar un aprendizaje más rápido.
Hasta la fecha, la eficiencia de escala del 95 por ciento del establecimiento récord de IBM (es decir, una capacitación mejorada a medida que se agregan más GPU) puede reconocer el 33.8 por ciento de 7,5 millones de imágenes, usando 256 GPU en 64 sistemas de energía «Minsky».
¿Qué hardware necesitamos desarrollar para continuar este ritmo de progreso e ir más allá de la Inteligencia Artificial?
En IBM Research creen que esta transición de las GPU ocurrirá en tres etapas. Primero, utilizarán GPU y crearán nuevos aceleradores con CMOS convencional a corto plazo para continuar; segundo, buscarán formas de explotar dispositivos analógicos y de baja precisión para reducir aún más la potencia y mejorar el rendimiento; y luego cuando ingresemos en la era de la computación cuántica, ésta potencialmente ofrecerá enfoques completamente nuevos.
Los aceleradores en CMOS aún tienen mucho que lograr porque los modelos de aprendizaje automático pueden tolerar cálculos imprecisos. Es precisamente porque «aprenden» que estos modelos pueden funcionar a través de errores (errores que nunca toleraremos en una transacción bancaria). En 2015, Suyong Gupta, et al. han demostrado en su documento ICML Aprendizaje profundo con precisión numérica limitada que, de hecho, los modelos de precisión reducida tienen una precisión equivalente al estándar actual de 64 bits, pero usan tan solo 14 bits de precisión de coma flotante.
Vemos esta precisión reducida, una tendencia de computación más rápida que contribuye a la mejora de 2.5X por año, al menos hasta el año 2022.
Eso nos da unos cinco años para ir más allá del cuello de botella de von Neumann y para los dispositivos analógicos. Mover datos hacia y desde la memoria ralentiza la capacitación de la red de aprendizaje profundo. Entonces, encontrar dispositivos analógicos que puedan combinar memoria y computación será importante para el progreso de la computación neuromórfica .
Computación neuromórfica que imita las células cerebrales
Su arquitectura de «neuronas» interconectadas reemplaza el cuello de botella de von-Neumann con señales de baja potencia que van directamente entre las neuronas para una computación más eficiente. El Laboratorio de Investigación de la Fuerza Aérea de los EE. UU. está probando una matriz de 64 chips del sistema IBM TrueNorth Neurosynaptic diseñado para la inferencia profunda de redes neuronales y el descubrimiento de información. El sistema usa CMOS digital estándar pero solo consume 10 vatios de energía para alimentar sus 64 millones de neuronas y 16 mil millones de sinapsis.
Recientemente, científicos de IBM demostraron la computación en memoria con 1 millón de dispositivos para aplicaciones en IA, publicando sus resultados, detección de correlación temporal usando memoria de cambio de fase computacional, en Nature Communications, y también presentándola en la sesión IEDM Recuperación de detección comprimida usando memoria computacional.
Nuestro objetivo es construir una sociedad centrada en el progreso socioeconómico. Creemos que la tecnología y la conectividad pueden ayudar a mejorar la vida de millones de personas y empresas. Tenemos el compromiso de hacerlo reduciendo nuestro impacto ambiental y construyendo una sociedad digital inclusiva que respeta nuestro planeta.
El Google Safety Engineering Center (GSEC) de Málaga fue el escenario de una exclusiva jornada organizada por Vodafone Empresas en colaboración con Google, un encuentro que reunió a responsables de grandes empresas y administraciones públicas para analizar la evolución del panorama de la ciberseguridad y conocer las tecnologías que están redefiniendo la protección frente a las amenazas digitales.
La sesión, celebrada el pasado 18 de junio, puso de manifiesto que la ciberseguridad ha dejado de ser únicamente una cuestión de protección para convertirse en una disciplina basada en la anticipación, la inteligencia y la capacidad de respuesta. A lo largo de la jornada, los asistentes pudieron conocer de primera mano cómo evolucionan las herramientas de seguridad de Google y cómo Vodafone Empresas integra estas capacidades en su Centro de Operaciones de Seguridad (SOC), combinando Google SecOps y Google Threat Intelligence para ofrecer una defensa más rápida, inteligente y eficaz frente a un entorno de amenazas cada vez más sofisticado.
El programa combinó ponencias estratégicas, demostraciones prácticas y espacios de intercambio de conocimiento, permitiendo mostrar casos de uso reales y el potencial de la inteligencia artificial aplicada a la ciberseguridad. Entre los principales temas abordados destacó la evolución hacia los denominados SOC agénticos, capaces de incorporar agentes de inteligencia artificial que automatizan el análisis y la investigación de alertas, reduciendo drásticamente los tiempos de respuesta y permitiendo que los equipos especializados centren sus esfuerzos en la estrategia y la defensa proactiva.
El teletrabajo es un pilar fundamental del modelo laboral actual. Cada vez más demandado por los empleados, es una de las principales medidas de conciliación.
Sin embargo, este cambio en el escenario laboral (impulsado especialmente por la pandemia) ha obligado a las empresas a replantearse sus estrategias de protección digital y a ampliar el perímetro de seguridad más allá de la oficina.
Precisamente por eso, porque los límites del perímetro ya no están claros y los trabajadores pueden conectarse desde cualquier lugar y red, las empresas están reforzando la ciberseguridad adicional para empleados en remoto, combinando tecnología, formación y nuevas políticas de protección.
¿Puede una pequeña o mediana empresa ser víctima de un ciberataque? Por supuesto, y en el contexto actual no solo se trata de prevenirlo, sino también de estar preparados para detectarlo y responder antes de que afecte al negocio.
El tejido empresarial español concentra el 70% de los incidentes de ciberseguridad registrados en el país, y muchas empresas siguen confiando en soluciones de protección diseñadas para un escenario de amenazas muy diferente al actual. La combinación de un firewall robusto con un Centro de Operaciones de Seguridad (SOC) gestionado constituye una línea de defensa más completa y, gracias a los nuevos modelos de servicio, también la más accesible para pequeñas y medianas empresas.
Imaginemos una pyme que utiliza diferentes herramientas para proteger su actividad diaria: un antivirus en los equipos, un firewall en la red, copias de seguridad, aplicaciones en la nube y un sistema de correo corporativo. Un día, el antivirus detecta un archivo sospechoso en el ordenador de un empleado. Poco después, se produce un inicio de sesión desde una ubicación poco habitual y, casi al mismo tiempo, se registra una descarga masiva de documentos desde una carpeta compartida.
Por separado, cada señal puede parecer poco relevante: un archivo bloqueado, un acceso permitido o una descarga autorizada. Sin embargo, vistas en conjunto, estas alertas pueden indicar que una cuenta ha sido comprometida y que alguien está intentando acceder a información sensible. Ahí es donde un SIEM (Security Information and Event Management) aporta valor, ya que conecta señales dispersas y ayuda a entender si hay una amenaza real detrás de varios eventos aislados.
La velocidad es un factor decisivo en la ciberseguridad actual. Las empresas operan en un entorno donde las amenazas no solo evolucionan. Por este motivo, la capacidad para responder a los ciberataques con agilidad es fundamental para que el impacto sea el mínimo posible. Aquí es donde el Mean Time to Respond (MTTR), o Tiempo Medio de Respuesta, cobra un papel protagonista como indicador clave para conectar directamente la estrategia de ciberseguridad con la continuidad del negocio.
Si aún no has empezado a utilizar la IA en tu empresa, debes saber que esta tecnología ya no es exclusiva de las grandes corporaciones o departamentos especializados. Cada vez más organizaciones la están incorporando en procesos cotidianos para mejorar la productividad, automatizar tareas repetitivas, analizar información y tomar decisiones con mayor agilidad.
Sin embargo, muchas organizaciones aún observan esta revolución desde la distancia, creyendo que no está a su alcance. Algunas consideran que el proceso de adopción es complejo, mientras que otras creen que requiere grandes inversiones o equipos técnicos altamente especializados. La realidad es que existen formas progresivas y accesibles de empezar, incluso con proyectos piloto de alcance limitado.
En este artículo, te mostraremos de manera clara y sin tecnicismos cómo puedes estructurar el uso de la IA en tu organización para optimizar costes, liberar tiempo de tus equipos y mantener la competitividad en un entorno cada vez más digitalizado.
