El director ejecutivo de Nvidia habla sobre la creación del próximo gran avance: simplemente comience

Los editores de PCMag seleccionan y revisan productos independientemente. Si compra a través de enlaces de afiliados, podemos ganar comisiones, que ayudan a respaldar nuestra pruebas.

El fundador y director ejecutivo de Nvidia, Jensen Huang, estuvo en el Simposio de Gartner esta semana para compartir su enfoque de liderazgo e instar a la audiencia a probar aplicaciones de inteligencia artificial y actualizar su infraestructura a la computación acelerada.

“He tenido el beneficio de experimentar durante mucho tiempo”, dijo Huang a Daryl Plummer, miembro de Gartner, y señaló que ha estado haciendo su trabajo durante casi 33 años, más que cualquier director ejecutivo de tecnología.

Ha podido experimentar con técnicas de gestión y argumentó que es imperativa una perspectiva a largo plazo. Hace catorce años, por ejemplo, Nvidia vio por primera vez el aprendizaje profundo como una carga de trabajo que necesitaba ser acelerada por sus GPU.

“Los investigadores vinieron a nosotros y nos preguntaron cómo podíamos ayudar y creamos probablemente una de las bibliotecas de dominio específico más importantes que el mundo haya visto jamás, llamada Cu-DNN, que aceleró las redes neuronales”, dijo Huang. Ese tiempo de ejecución hizo posible que cada marco se construyera sobre la arquitectura CUDA de Nvidia y las muchas bibliotecas que se ejecutan sobre ella.

Es importante destacar que Nvidia vio algo que la mayoría de los demás no vieron, y es que AlexNet era mucho más trascendental y profundo que las aplicaciones iniciales de visión por computadora. Nvidia consideró que era una técnica muy escalable que le permitía aproximarse a casi cualquier función. Si pudiera descubrir una función universal que cambiara la forma en que desarrollaba y ejecutaba software, se reinventaría toda la pila. Eso resultó ser cierto, dijo Huang.

“El momento del liderazgo es cuando ves algo impactante y algo inesperado, y tienes que preguntarte qué significa esto y cuál es el impacto a largo plazo”. Dijo Huang.

Nvidia analizó todo hasta el punto en que se dio cuenta de que todos los aspectos de la informática cambiarían, pero sólo si la empresa tomaba medidas.

“Es sorprendentemente más fácil vivir en el futuro que vivir en el pasado”, dijo Huang, señalando que una vez que Nvidia fuera capaz de imaginar cómo sería ese futuro, podría hacerlo realidad.

Señaló que Nvidia tiene científicos informáticos increíbles y la fuerza de voluntad para hacer que esto suceda. Había cosas que la empresa necesitaba aprender, pero dijo: “No puedes aprender nada de eso si no te inclinas hacia adelante y no decides hacerlo”. La parte más difícil es decidir hacer algo, aunque sepas que cometerás errores y saldrás lastimado.

Huang habló sobre cómo su empresa pasó del software de codificación al software de aprendizaje automático y a la IA. Dijo que lo primero que construyó Nvidia fueron herramientas para el desarrollo de software, lo que condujo a sistemas de inteligencia artificial que pueden aprender a hacer cosas observándolas. Ahora, dijo, tiene sistemas de inteligencia artificial que están aprendiendo a razonar tomando el planteamiento de un problema y dividiéndolo en tareas. Esto ha creado una industria multimillonaria llamada IA.

También habló de construir sistemas que sean realmente buenos para transformar la materia prima (datos) en esta nueva cosa invisible que se monetiza con millones de tokens por dólar. (Explicó que los tokens son números de coma flotante, a menudo equivalentes a aproximadamente tres cuartos de una palabra, que pueden reconstituirse en lenguaje, videos o imágenes. Y eso conducirá a cosas físicas como la articulación robótica o versiones tokenizadas de proteínas y productos químicos.

“Este es el comienzo de una nueva Revolución Industrial”, dijo, no muy diferente de hace 300 años cuando alguien creó el Dinamo, que producía electricidad.

La pregunta para todos nosotros es cómo se manifiesta este cambio en todas nuestras empresas. En Nvidia, dijo, primero se diseñaban herramientas para crear IA y luego se creaban herramientas para ayudar a diseñar chips, software y gestión de la cadena de suministro. La empresa planea tener 50.000 empleados con más de 100 millones de asistentes de IA y sugiere que otras empresas harán lo mismo.

Actualmente, Huang utiliza múltiples IA como ChatGPT, Perplexity y Cuaderno LMy sugirió poner las conferencias magistrales en el sistema y que éste las resuma.

Terminó hablando del concepto de “Fábrica de IA”. La razón por la que la IA comenzó en la nube fue que requería una reinvención de la pila informática y que era más fácil de brindar como servicio. Pero ahora, dijo, toda esa capacidad se ha remanifestado para uso local y necesitamos convertir cada plataforma en una plataforma de IA. El primer paso es vectorizar la base de datos, para que pueda realizar generación aumentada de recuperación (RAG). El siguiente paso, dijo, será la “IA agente” y esto también se está diseñando para ejecutarse tanto en las instalaciones como en la nube.

Huang predijo que pronto tendremos empleados digitales a los que será necesario incorporar y enseñar nuevas habilidades, valores corporativos y la taxonomía de la cultura. Al igual que los humanos, serán evaluados y tendrán barandillas.

Primero debemos crear más empleos de IA y luego podremos habilitar más empleos humanos, porque más trabajos de IA crearán empresas más productivas con mayores ganancias, lo que les permitirá contratar a más personas. Señaló que las IA podrían realizar el cinco, el 10, el 20 o incluso el 80% de un trabajo en particular, pero no todo.

Huang terminó presionando para que los CIO construyan centros de datos acelerados. Si realiza un seguimiento de los datos, verá que el procesamiento de datos continúa duplicándose aproximadamente cada año, pero la Ley de Moore (la duplicación del rendimiento de la CPU) comenzó a disminuir hace unos 10 años. Por lo tanto, dijo, si su demanda informática continúa creciendo exponencialmente pero la informática de propósito general no, debería esperar inflación de los costos informáticos y mayores costos de energía. Por lo tanto, debes usar aceleración (con lo que se refería principalmente a GPU) siempre que puedas, desde la transcodificación de video hasta el procesamiento SQL y el pronóstico del tiempo.

Este nuevo cambio de paradigma está ocurriendo en todas las industrias, afirmó Huang, y “lo más importante es simplemente empezar”.