¿Será tan importante el uso de procesadores con Inteligencia Artificial como para que tu dispositivo tenga una “unidad de procesamiento neuronal”?

Las empresas tecnológicas más importantes de la actualidad han abrazado por completo la revolución de la llamada Inteligencia Artificial (AI). Apple, Qualcomm y Huawei han creado procesadores móviles diseñados para abordar mejor las tareas del aprendizaje de automático o aprendizaje de las máquinas, cada uno con un enfoque ligeramente diferente.

Huawei lanzó su procesador Kirin 970 en la IFA de este año, llamándolo el primer conjunto de procesadores con una unidad de procesamiento neuronal dedicada (NPU). Luego, Apple dio a conocer su procesador A11 Bionic, que impulsa al iPhone 8, 8 Plus y por supuesto al X. El procesador A11 Bionic presenta un motor neuronal que la compañía señala que está “especialmente diseñado para el aprendizaje automático”, entre otras cosas.

La semana pasada, Qualcomm anunció su nuevo procesador Snapdragon 845, que envía tareas de inteligencia artificial a los núcleos más adecuados. No hay mucha diferencia entre los enfoques de las tres compañías: en última instancia, se reduce al nivel de acceso que cada compañía ofrece a los desarrolladores y la cantidad de energía que consume cada configuración.

Sin embargo, antes de adentrarnos en eso, descubramos si un procesador con inteligencia artificial es realmente muy diferente de los procesadores actuales. Un término que escucharán mucho en la industria con referencia a la inteligencia artificial (IA) es el término “computación heterogénea”. Este se refiere a sistemas que usan múltiples tipos de procesadores, cada uno con funciones especializadas, para obtener rendimiento o ahorrar energía. La idea no es nueva, muchos chipsets existentes la usan, las tres nuevas ofertas en cuestión solo emplean el concepto en diversos grados.

Los procesadores de los teléfonos inteligentes de los últimos tres años han utilizado la arquitectura Big.LITTLE de ARM, que combina núcleos relativamente más lentos y que ahorran energía con núcleos más rápidos y drenantes. El objetivo principal es utilizar la menor cantidad de energía posible para obtener una mejor duración de la batería. Algunos de los primeros teléfonos en hacer uso de esta arquitectura fueron el Samsung Galaxy S4 con el chip Exynos 5 propio de la compañía, así como el Mate 8 y el Honor 6 de Huawei.

Los procesadores con Inteligencia Artificial de este año llevan este concepto un paso más allá al agregar un componente dedicado para ejecutar tareas de aprendizaje automático o, en el caso del Snapdragon 845, usar otros núcleos de bajo consumo para hacerlo. Por ejemplo, el Snapdragon 845 puede aprovechar su procesador de señal digital (DSP) para hacer frente a las tareas de larga ejecución que requieren una gran cantidad de cálculos matemáticos repetitivos, como escuchar una palabra activa. Las actividades como el reconocimiento de imágenes, por otro lado, están mejor administradas por la GPU, señalo Gary Brotman, Director de Gestión de Productos de Qualcomm. Brotman encabeza el desarrollo de la Inteligencia Artificial y del aprendizaje automático para la plataforma Snapdragon.

Mientras tanto, el procesador A11 Bionic de Apple usa un motor neuronal en su GPU para acelerar Face ID, Animoji y algunas aplicaciones de terceros. Eso significa que cuando enciendes esos procesos en tu iPhone X, el procesador A11 enciende el motor neuronal para llevar a cabo los cálculos necesarios para verificar quién eres o asignar tus expresiones faciales al Animoji correspondiente.

Por su parte, en el procesador Kirin 970, la NPU se encarga de tareas como escanear y traducir palabras en imágenes tomadas con el Traductor de Microsoft, que es la única aplicación de terceros que hasta ahora se ha optimizado para este chipset. Huawei dijo que su estructura informática heterogénea “HiAI” maximiza el rendimiento de la mayoría de los componentes en su conjunto de chips, por lo que puede estar asignando tareas de inteligencia artificial a algo más que la NPU.

Dejando a un lado las diferencias, esta nueva arquitectura significa que los cálculos de aprendizaje automático, que solían procesarse en la nube, ahora se pueden llevar a cabo de manera más eficiente en un dispositivo. Al usar partes distintas a la CPU para ejecutar tareas relacionadas con la Inteligencia Artificial, su teléfono será capaz de realizar más cosas simultáneamente, por lo que es menos probable que se demore en una traducción o al encontrar una imagen de su perro.

Además, correr estos procesos en su teléfono en lugar de enviarlos a la nube también es mejor para su privacidad, ya que reduce las oportunidades potenciales para que los hackers tengan acceso a sus datos.

Otra gran ventaja de estos procesadores con Inteligencia Artificial es el ahorro de energía. El poder es un recurso precioso que debe asignarse juiciosamente porque algunas de estas acciones se pueden repetir todo el día. La GPU (procesador gráfico) tiende a absorber más energía, por lo tanto, si es algo que la DSP, más eficiente en términos de energía, puede realizar con resultados similares, entonces es mejor utilizar esta última.

Para ser claros, no son los procesadores en si los que deciden qué núcleos usar al correr ciertas tareas. “Hoy, depende de los desarrolladores o fabricantes de equipos originales (OEM) donde quieran que determinado proceso o programa se ejecute”, dijo Brotman. Los programadores pueden usar bibliotecas compatibles como TensorFlow de Google (o más específicamente su versión móvil Lite) para dictar en qué núcleos correr sus modelos. Qualcomm, Huawei y Apple funcionan con las opciones más populares, como TensorFlow Lite y Caffe2 de Facebook. Qualcomm también es compatible con el nuevo Open Neural Networks Exchange (ONNX), mientras que Apple agrega compatibilidad para incluso más modelos de aprendizaje automático a través de su marco Core ML.

Hasta el momento, ninguno de estos procesadores ha producido beneficios muy apreciables en el mundo real. Los fabricantes de chips promocionarán sus propios resultados de pruebas y puntos de referencia, que en última instancia carecen de sentido hasta que los procesos relacionados con la inteligencia artificial (IA) se conviertan en una parte más importante de nuestras vidas. Estamos en las primeras etapas de implementación del aprendizaje automático en el dispositivo, y los desarrolladores que han utilizado el nuevo hardware son pocos.

En este momento, está claro que está en marcha la carrera para realizar tareas relacionadas con el aprendizaje automático en su dispositivo de manera mucho más rápida y con mayor eficiencia energética.

Pero aun tendremos que esperar un poco más para ver los beneficios reales de integrar un procesador con inteligencia artificial en nuestros smartphones.