Vivemos em um mundo no qual a inteligência artificial (AI pela sigla em inglês) já faz parte do nosso dia a dia. Esta é uma imensa mudança ocorrida nos últimos anos. Enquanto crescíamos, costumávamos pensar em muitas das capacidades que possuímos atualmente como material de ficção científica. Hoje, muitas dessas mesmas coisas já são realidade ou estão a menos de uma década de distância.
Quando utilizamos assistentes digitais e mecanismos de navegação, normalmente não percebemos que estamos usando uma inteligência artificial. Podemos nos concentrar em viver nossas vidas, enquanto a inteligência artificial age ao fundo, dando às máquinas a capacidade de sentir, raciocinar, agir e adaptar-se com base nas experiências.
Enquanto as atuais soluções AI estão tornando nossas vidas melhores de diversas maneiras, elas não são o destino final, elas fazem parte de uma jornada contínua. Já existe um imenso potencial para a computação de alto desempenho acelerar a aprendizagem de máquinas e torna-la prática para qualquer empresa ou projeto de negócio, embarcando análises avançadas a fim de criar um mundo mais inteligente para todos nós.
Uma das principais peças da tecnologia que está por trás de muitos dos atuais serviços de inteligência é o reconhecimento de fala com processamento de linguagem natural embarcado. O reconhecimento de fala percorreu um longo caminho desde quando dividia a palavra em seus fonemas até permitir, hoje, que uma poderosa workstation “aprenda” um vocabulário de centenas de palavras da noite para o dia. Hoje, quando falamos para os nossos assistentes digitais, a nossa expectativa é que eles nos entendam sem termos que limitar o nosso vocabulário ou termos que usar o mesmo sotaque usado na criação do modelo de reco-nhecimento de fala.
Ao mesmo tempo em que isso é um ótimo avanço, também apresenta um desafio: a necessidade de construir modelos sofisticados para reconhecer o que dizemos aumentou consideravelmente. Felizmente, e graças à Lei de Moore, que ajuda a compactar o ciclo de ino-vação com uma série de soluções criadas especificamente para conduzir a inovação no segmento, agora possuímos capacidade computacional para lidar com as intensas demandas da inteligência artificial. Com o aprendizado de máquina por meio da computação de alto desempenho, estamos pavimentando o caminho para interagir com nossos agentes digitais da mesma maneira que falamos com nossos colegas.
Para construir um modelo de fala, são necessários milhares de horas de gravações. Há experimentos que demonstram que em um sistema que usa menos de 100 horas de dados de fala, seu treinamento levará cerca de meio dia em um computador de última geração. Nesse ritmo, podemos dizer que um modelo mais elaborado que formula repostas consistentes levaria semanas para ser desenvolvido. Imagine esperar semanas para ver se você foi bem-sucedido no seu treinamento e então começar novamente com dados adicionais. Se o cálculo por trás de qualquer uma das técnicas de inteligência artificial puder ser dividida em pedaços que possam ser processados simultaneamente, temos uma maneira para acelerar as coisas. E isso acontece ao usar múltiplas redes de computadores para resolver um único problema, que por definição é como funciona a computação de alto desempenho.
Na Intel, a visão é levar a escalabilidade e os benefícios aprendidos pela indústria por meio da computação de alto desempenho (HPC na sigla em inglês) tradicional – de workstations a supercomputadores – para qualquer aplicativo de inteligência artificial. E atualmente, muitas organizações estão tentando embarcar nessa. Algumas empresas são abertas quanto a usar supercomputação para que lhes forneçam uma vantagem competitiva.
Por exemplo, organizações como PayPal, Baidu e o Serviço Postal dos Estados Unidos (USPS) já estão usando HPC para processar dados e aplicativos que exigem processamento intenso e formam a espinha dorsal de seus negócios. Mais especificamente:
-O PayPal usa o processamento HPC em suas transações de pagamentos online para identificar padrões de fraude e prever a fraude em tempo real. Isso estimula táticas de ação e prevenção em tempo real.
O Baidu está usando a aprendizagem de máquina, em conjunto com a HPC, em um esforço para aumentar a precisão do reconhecimento de fala em ambientes barulhentos. E a USPS está usando um supercomputador para realizar análises avançadas para classificação e encaminhamento em mais de 15.000 agências de correio e unidades de entrega. O objetivo é reduzir erros e fornecer otimização dinâmica do encaminhamento que tenha um impacto muito real no serviço. Diante de tantos exemplos de aplicações, é possível dizer que a AI tem um potencial ilimitado, sobretudo, quando for possível aplicar análises avançadas para empoderar máquinas com inteligência parecida com a humana. Dessa maneira, poderemos ter um efeito real e útil para a pessoas.
