Los costos de la Inteligencia Artificial pueden irse a las nubes

Con los avances tecnológicos que existen y las constantes innovaciones que salen hacia el mercado, puede ser muy fácil creer que la tecnología –en especial la inteligencia artificial– se vuelve cada vez más sencilla de producir y sobre todo costeable, pero esto no necesariamente es cierto.

Anteriormente ya hemos hablado en el blog sobre la Ley de Moore, un postulado que afirma que el número de componentes en un circuito integrado se duplica cada año y el costo de producción permanece relativamente igual o que incluso disminuye.

Aunque esta ley ha funcionado como un metrónomo para la industria informática, últimamente ha causado controversia y varias publicaciones la han puesto en duda. En febrero el MIT Technology Review habló sobre la muerte paulatina de esta norma por la dificultad para fabricar nueva tecnología.

En esta ocasión, abordaremos lo que ha publicado The Economist en su Technology Quarterly, ya que en la edición se dan varios ejemplos de los altos costos que implica el entrenamiento de las máquinas de inteligencia artificial, y cómo este factor hace que la Ley Moore ya no sea posible.

Insuficiencia de datos

Uno de estos casos que se retrata en el artículo es el de BERT, un modelo de procesamiento de lenguaje que funciona por medio de IA creado en 2018 para implementarse en el motor de búsqueda de Google. Para alimentar el algoritmo de este sistema y “entrenarlo” se utilizaron 3,300 millones de palabras, seleccionadas principalmente de Wikipedia.

Sin embargo, la enciclopedia en línea no representa un conjunto de datos tan grande para BERT ya que, según el Dr. Christopher Manning, director del Laboratorio de Inteligencia Artificial en la Universidad de Stanford, “si puedes entrenar un sistema con 30 mil millones de palabras, funcionará mejor que uno entrenado con 3 mil millones”.

Entre más datos tenga un sistema, mayor será su potencial para generar Inteligencia Artificial

<< Pasos para incorporar correctamente la Inteligencia Artificial en la empresa >>

Costos de IA inaccesibles para la mayoría

Otro factor que dificulta el entrenamiento de los sistemas de IA son los altos costos de su implementación. The Economist retomó un artículo publicado por la Universidad de Massachusetts en 2019 donde se estimó que entrenar una versión de Transformer, otro modelo de lenguaje por IA similar a BERT, podría costar casi 3 millones de dólares.

Incluso Jerome Pesenti, jefe de IA de Facebook, considera que una ronda de capacitación para los modelos más grandes puede costar “millones de dólares” en consumo de electricidad; no obstante, cuando tu empresa se llama Facebook, la factura de energía no es ningún problema.

Así, las compañías que no son gigantes tecnológicos son las que están presentando dificultades. Andreessen Horowitz, una empresa de capital de riesgo estadounidense, ha señalado que muchas organizaciones alquilan su poder de procesamiento a empresas de computación en la nube como Amazon, Google y Microsoft; sin embargo, el gasto resultante a veces abarca el 25% de sus ingresos o incluso más.

Con base en datos de fuentes como Analytics Insight, Itrex Group y Web FX, enseguida se muestran rangos de precios de algunas de las principales soluciones de inteligencia artificial que los negocios usan en la actualidad.

Costos de IA por tipo de software

• Software personalizado: desde $6,000 dólares hasta $300,000 dólares por solución
• Software de terceros: un promedio de $40,000 dólares anuales

Ejemplos de costos de IA por tipo de solución

• Chatbot construido a la medida de la empresa: desde $6,000 dólares
• Análisis de datos con machine learning: apróximadamente $35,000 dólares
• Soluciones de telemedicina para la salud digital: entre $36,000 dólares y $56,000 dólares
• Motor inteligente de búsqueda y recomendaciones especializadas: entre $20,000 dólares y $35,000 dólares
• Generador de imágenes creativas de alta resolución: entre $19,000 dólares y $34,000 dólares

Asimismo, las compañías tienen que considerar la inversión necesaria para implementar inteligencia artificial, el cual oscila entre $20,000 dólares y $1,000,0000 de dólares, según el tipo de solución.

Imitar al cerebro humano puede ser la solución

Un ejemplo para solucionar estas problemáticas de la inteligencia artificial se inspira en la biología: los chips diseñados para soportar los sistemas de IA consumen alrededor de 15kw cuando se ejecutan al máximo, lo suficiente como para alimentar docenas de casas.

Por el contrario, un cerebro humano usa aproximadamente 20w de energía, aproximadamente una milésima parte, y en muchos sentidos es más inteligente que su contraparte de silicio.

Por lo tanto, empresas como Intel e IBM están estudiando chips neuromórficos, cuyos componentes diseñados para imitar de cerca el comportamiento eléctrico de las neuronas de los cerebros humanos.

Pese a este avance, cabe apuntar que, como los chips neuromórficos se están empezando a construir usando tecnología existente, sus diseñadores encuentran hoy un tope en su desarrollo debido que las neurociencias aún no tienen la certeza de cómo funciona el cerebro en su totalidad. Además, cada día se producen nuevos hallazgos.

<< ¿Será humana la inteligencia del futuro? >>

En conclusión, todavía falta un largo camino por recorrer para que la inteligencia artificial para empresas sea accesible para todos.

¿En tu empresa tienen algún sistema o software que funcione a partir de inteligencia artificial? ¿Qué porcentaje de tus recursos económicos estarías dispuesto a invertir en IA? ¿Qué retos crees que debe superar la IA para que sea costeable para la mayoría de las empresas?

Suscríbete a mi blog para conocer más sobre inteligencia artificial para empresas, además de otros temas de innovación y tecnología científica aplicada a los negocios.