Inflection AI recauda USD 1.300 millones en financiación por parte de Microsoft y NVIDIA
El 29 de junio, Inflection AI, con sede en Palo Alto, anunció el cierre de una ronda de recaudación de USD 1,300 millones liderada por Microsoft, Reid Hoffman, Bill Gates, Eric Schmidt y NVIDIA. El nuevo capital se destinará en parte a la construcción de un clúster de GPU NVIDIA H100 Tensor de 22,000 unidades, que según la empresa es el mayor del mundo. Las GPU se utilizarán para desarrollar modelos de IA a gran escala. Los desarrolladores escribieron:
“Calculamos que si inscribiéramos nuestro clúster en la reciente lista TOP500 de superordenadores, sería el 2º y se acercaría al primer puesto, a pesar de estar optimizado para aplicaciones de IA -y no científicas-“.
Inflection AI también está desarrollando su propio sistema personal de IA adjunta llamado “Pi”. La empresa explica que Pi es “un profesor, entrenador, confidente, socio creativo y caja de resonancia” al que se puede acceder directamente a través de las redes sociales o WhatsApp. El importe total de la financiación de la empresa ha alcanzado los USD 1,525 millones desde su creación a principios de 2022.
A pesar de la creciente inversión en grandes modelos de IA, los expertos han advertido de que su eficacia formativa real puede verse seriamente restringida por las limitaciones tecnológicas actuales. En un ejemplo planteado por el fondo de riesgo de Singapur Foresight, los investigadores escribieron, citando el ejemplo de un gran modelo de IA de 175 mil millones de parámetros que almacena 700 GB de datos:
“Suponiendo que tenemos 100 nodos de cálculo y que cada nodo necesita actualizar todos los parámetros en cada paso, cada paso requeriría transmitir unos 70TB de datos (700GB*100). Si, siendo optimistas, suponemos que cada paso dura 1 segundo, habría que transmitir 70 TB de datos por segundo. Esta demanda de ancho de banda supera con creces la capacidad de la mayoría de las redes”.
Siguiendo con el ejemplo anterior, Foresight también advirtió de que “debido a la latencia de las comunicaciones y la congestión de la red, el tiempo de transmisión de datos podría superar con creces 1s”, lo que significa que los nodos informáticos podrían pasar la mayor parte del tiempo esperando la transmisión de datos en lugar de realizar el cálculo real. Para concluir, los analistas de Foresight explicaron que, dadas las limitaciones actuales, la solución está en los modelos de IA pequeños, que son “más fáciles de desplegar y gestionar”.
“En muchos escenarios de aplicación, los usuarios o las empresas no necesitan la capacidad de razonamiento más universal de los grandes modelos lingüísticos, sino que solo se centran en un objetivo de predicción muy refinado”.
Aclaración: La información y/u opiniones emitidas en este artículo no representan necesariamente los puntos de vista o la línea editorial de Cointelegraph. La información aquí expuesta no debe ser tomada como consejo financiero o recomendación de inversión. Toda inversión y movimiento comercial implican riesgos y es responsabilidad de cada persona hacer su debida investigación antes de tomar una decisión de inversión
Las inversiones en criptoactivos no están reguladas. Es posible que no sean apropiados para inversores minoristas y que se pierda el monto total invertido. Los servicios o productos ofrecidos no están dirigidos ni son accesibles a inversores en España.
