Cómputo de inteligencia artificial es clave para Kingston

Dentro de la nueva era del cómputo de inteligencia artificial (IA), se requieren componentes de alto rendimiento para soportar estas cargas. Un ejemplo de esto es ChatGPT, que se usa para responder preguntas, traducir algún documento e incluso crear contenido audiovisual.

Es decir, el desafío que se plantea al momento de empezar a emplear la IA, más allá de las actividades escolares y aprender a usarla es complejo. Otro de los aspectos clave a evaluar es la privacidad, ya sea a nivel personal o empresarial donde la confidencialidad es esencial.

“Se trata de un aspecto crítico al trabajar con información, en servicios basados en la nube y con ello se genera incertidumbre. Se sabe que las IA se entrenaron con datos de múltiples fuentes”, aseveró José Luis Fernández, gerente de Tecnología de Kingston en Latinoamérica.

Así en la mayoría de los casos, no se solicitaron las autorizaciones necesarias para obtener la información de entrenamiento de los agentes de IA. Es así, que para Kingston el cómputo de inteligencia artificial, permite correr de manera local estas cargas de trabajo y asegurando la privacidad.

Otra de las tendencias que algunos expertos están anticipando, es el advenimiento de una nueva generación de equipos. Es decir, un workstation dedicado a alojar modelos de IA open source a nivel local, así se podrá montar un asistente de IA propio, privado y personalizado.

“De hecho, se alimentará con la información de los propios usuarios para aprovechar mejor la interacción cotidiana. Ya que tendrá a disposición todo el historial de trabajo y mucho más contexto, así se pueden entregar resultados basados en el conocimiento”, acotó el directivo.

Memoria es determinante para cómputo de inteligencia artificial

El tema de costos, también es un factor clave en el cómputo de inteligencia artificial para la su implementación en procesos productivos. Ya que el consumo de procesamiento conlleva tiempo y recursos financieros, además de los costos de componentes como tarjetas gráficas.

Actualmente, los mayores consumidores de estos equipos son el sector académico de nivel superior, que emplean estaciones de trabajo. Para realizar sus actividades de investigación y desarrollo, otra prioridad es que los estudiantes se familiaricen y aprovechen mejor dicha IA.

“Muchas empresas están avanzando en la adopción de IA, en diversas áreas como medicina, ventas o administración de negocios. De hecho, la mercadotecnia es otro segmento que está capitalizando dichos modelos, con equipos de cómputos enfocados a IA”, declaró Fernández.

En general, el cómputo de inteligencia artificial contempla configuraciones de procesadores con al menos 16 núcleos. Ya sean Intel Xeon o AMD Threadripper PRO, además con memoria de entre 128 y 256 GB capacidades disponibles en la línea de Kingston FURY Renegade PRO.

La cantidad de memoria se dimensiona en función del número de usuarios, que van a estar compartiendo y trabajando sobre modelos de IA. Donde el punto neurálgico en configuración es la unidad de procesamiento gráfico (GPU), así la memoria recomendada es 24GB o mayor.

“Con esto, es posible cargar un modelo de IA completo en memoria y procesamiento con una experiencia fluida sin interrupciones. Otro punto a destacar, es que no sólo se requiere tener la capacidad de almacenamiento adecuada, pues la velocidad es clave”, finalizó el directivo.