L’IA est partout, et c’est épuisant…

L'ia Est Partout, Et C'est épuisant...

Pourquoi c’est important : Vous ne pouvez pas parler de technologie aujourd’hui sans trébucher sur l’intelligence artificielle (IA). Littéralement chaque conversation, dans tous les coins de la technologie, le sujet apparaît. Nous convenons que l’IA est utile et importante, mais nous pensons également qu’il vaut la peine de prendre périodiquement du temps pour décoder ce dont tout le monde parle.

Note de l’éditeur:

L’auteur invité Jonathan Goldberg est le fondateur de D2D Advisory, une société de conseil multifonctionnelle. Jonathan a développé des stratégies de croissance et des alliances pour des entreprises des secteurs de la téléphonie mobile, des réseaux, des jeux et des logiciels.

Une partie du problème réside dans le fait que l’IA est devenue un terme appartenant au service marketing. Pour la personne moyenne, non technique, l’IA semble presque magique, évoquant des images de robots parlants et d’ordinateurs qui racontent des blagues. L’idée résonne à un niveau profond avec les visions de chacun de notre avenir de science-fiction. Dans le même temps, presque tous ceux qui travaillent réellement avec l’IA ont des notions beaucoup plus modestes de ce que l’IA peut réellement accomplir. Comme le dit le proverbe, la programmation statistique est écrite en R, l’apprentissage automatique est écrit en Python, l’IA est écrite en PowerPoint.

Comme le dit le proverbe, la programmation statistique est écrite en R, l’apprentissage automatique est écrit en Python, l’IA est écrite en PowerPoint.

Cela étant dit, il existe des moyens très utiles par lesquels les algorithmes d’IA s’infiltrent dans la vie quotidienne. Les systèmes d’IA sont vraiment bons pour la détection de modèles, ce qui est utile à bien des égards. Les spécialistes de la technologie reconnaissent que les méthodes d’IA ont permis à l’industrie de faire des pas de géant dans la reconnaissance d’images et le traitement du langage naturel, mais il existe de nombreux autres cas d’utilisation.

Le plus connu de tous est le traitement d’image sur nos téléphones. La plupart des smartphones traitent aujourd’hui toutes les images photo et vidéo avec une variété d’algorithmes d’intelligence artificielle – stabilisation d’image, mise au point automatique, réglage du flou et toutes les autres astuces. Les cas d’utilisation industriels sont également nombreux. Par exemple, l’industrie pétrolière et gazière exploite certains des plus grands clusters de supercalcul pour analyser des montagnes (littéralement) de données de détection géologique afin de rechercher des réserves à forer, et l’IA peut grandement faciliter ce processus.

John Deere effectue d’immenses travaux d’IA, non seulement pour les tracteurs et les moissonneuses-batteuses autonomes, mais aussi pour les prévisions météorologiques afin de mieux préparer sa logistique de vente et de service. Cette liste est longue, mais elle en arrive au point où elle commence à perdre son sens, car toutes ces choses ne sont que des logiciels. Nous constatons que chaque fois que quelqu’un mentionne l’IA, nous remplaçons le mot « logiciel » et généralement leur signification reste inchangée. L’IA n’est qu’un moyen de résoudre très efficacement un ensemble particulier de problèmes informatiques.

Si cela est vrai, cela ouvre alors la question de savoir quelle est la meilleure façon de mettre l’IA dans les choses.

LIA est partout et cest epuisant

Google a construit son propre processeur pour alimenter l’apprentissage automatique

Google a été le pionnier d’une approche : concevoir sa propre puce TPU qui ne fait que des calculs d’IA à très grande échelle. D’autres adoptent maintenant des approches similaires avec plusieurs dizaines d’entreprises (grandes et startups) concevant des puces pour l’IA dans le centre de données. Mais cette puce à usage spécial n’a pas de sens pour de nombreux autres appareils en dehors du centre de données. Encore une fois, le smartphone est un bon exemple. Ici, la puissance et surtout l’espace sont très limités. Le smartphone moyen fait beaucoup de travail d’IA, mais il n’y a pas de place pour une puce d’IA autonome. Cela est vrai pour les caméras vidéo, les haut-parleurs et les microphones, et même nous dirions pour les voitures à ce stade. Les voitures d’aujourd’hui, qui n’ont pas un haut niveau d’autonomie, ont besoin d’un peu d’IA pour certaines choses, mais une puce autonome est probablement trop coûteuse compte tenu des applications limitées qu’elle exécute.

Cela rend les choses très difficiles pour les concepteurs de puces. Les besoins de chaque client en matière d’IA sont un peu différents, ce qui indique que les puces d’IA, qu’elles proviennent de startups ou d’entreprises établies, doivent toutes être quelque peu personnalisées. Les concepteurs de puces n’aiment vraiment pas prendre de risques sur les puces personnalisées en l’absence de bons de commande fermes des clients, qu’ils détestent toujours fournir.

Cela suscite une série de réponses. De nombreuses entreprises choisissent de suivre la voie par défaut et achètent des GPU à Nvidia, le plus petit dénominateur commun. D’autres achètent des processeurs à usage général qui intègrent des blocs d’IA, comme c’est le cas pour de nombreuses entreprises automobiles qui achètent auprès de Qualcomm.

Pourtant, d’autres conçoivent leurs propres puces. C’est important car cela ouvre la porte à une nouvelle classe d’entreprises : les fournisseurs IP. Il existe maintenant une poignée d’entreprises fournissant des blocs de construction d’IA que d’autres peuvent incorporer dans leurs puces locales. Cette pratique consistant à octroyer des licences IP aux puces n’est pas nouvelle, mais la croissance de l’IA est une opportunité majeure qui suscite un intérêt considérable. Ce processus est renforcé par la tendance croissante aux systèmes sur puce (SoC) que toutes sortes d’entreprises électroniques, industrielles et automobiles adoptent dans ce monde de silicium à rouler soi-même.

L’IA est clairement quelque chose de différent. Son inclusion dans une gamme toujours croissante d’électronique est une tendance importante, et peu nieraient son utilité. Mais la nature de l’IA – à la fois assez limitée autour d’un petit nombre d’opérations et pourtant très variée dans sa mise en œuvre – indique que la nature de l’activité de semi-conducteurs fournissant l’IA est mûre pour le changement. Une bonne opportunité pour ceux qui sont prêts à saisir l’opportunité.