Jack Dongarra: El Futuro de la Supercomputación con IA y Cuántica

La supercomputación de alto rendimiento (HPC), que una vez fue principalmente dominio de la investigación científica, ha evolucionado hasta convertirse en un recurso estratégico fundamental, particularmente para el entrenamiento de modelos de inteligencia artificial (IA) cada vez más complejos. Esta convergencia de IA y HPC no solo está remodelando estas tecnologías, sino que también está alterando fundamentalmente cómo se genera el conocimiento y su posicionamiento estratégico global.

Jack Dongarra, un distinguido científico informático estadounidense y recipiente del Premio Turing 2021 por sus contribuciones fundamentales al software HPC durante más de cuatro décadas, compartió recientemente sus perspectivas sobre la futura evolución de la supercomputación. Hablando en la 74ª Reunión de Premios Nobel en Lindau, Alemania, Dongarra abordó los roles transformadores de la IA y la computación cuántica, junto con los panoramas geopolíticos y tecnológicos más amplios.

El Impacto Omnipresente de la IA

Dongarra enfatizó el papel ya significativo de la IA en el descubrimiento científico. Señaló que la IA se utiliza ampliamente para asistir en la exploración científica, particularmente para aproximar cómo se comportan los fenómenos. “Pienso en la IA como una forma de obtener una aproximación, y luego quizás refinar esa aproximación con las técnicas tradicionales”, explicó. Para problemas exigentes, donde las supercomputadoras tradicionalmente proporcionan soluciones a través del modelado y la simulación, la IA promete hacer estos procesos “más rápidos, mejores y más eficientes”.

Más allá de la ciencia, Dongarra cree que el impacto de la IA será aún más profundo que el de internet. Él visualiza que la IA se volverá increíblemente omnipresente, sirviendo a propósitos aún por descubrir por completo, y en última instancia desempeñando un papel más sustancial en la vida diaria de lo que internet ha hecho en las últimas dos décadas.

Computación Cuántica: Un Campo Prometedor Pero Incipiente

Aunque reconoce la computación cuántica como un área intrigante para la investigación, Dongarra advirtió que le queda “un largo camino por recorrer”. Describió el hardware cuántico actual como “muy primitivo” en comparación con las computadoras digitales tradicionales. A diferencia de los sistemas digitales que producen una respuesta definitiva, las computadoras cuánticas proporcionan una distribución de probabilidad de soluciones potenciales, requiriendo múltiples “ejecuciones” para inferir un resultado.

Dongarra cree que el campo ha sido “sobrevendido”, lo que ha llevado a una exageración excesiva. Predice un “invierno cuántico”, un período de desilusión similar a lo que experimentó la IA antes de su resurgimiento actual. Para que la computación cuántica se vuelva verdaderamente competitiva, deben superarse desafíos significativos. Las computadoras cuánticas son altamente susceptibles a las perturbaciones, lo que lleva a “fallas” frecuentes debido a la fragilidad de sus cálculos. Hasta que estos sistemas puedan hacerse más tolerantes a fallos, su utilidad práctica seguirá siendo limitada. Dongarra expresó escepticismo sobre la posibilidad de que las computadoras portátiles cuánticas se hagan realidad, al menos durante su vida. Además, el desarrollo de algoritmos cuánticos efectivos permanece en sus primeras etapas, junto con el software y la infraestructura necesarios.

El Futuro de las Arquitecturas de Computación

Mirando hacia el futuro, Dongarra prevé un futuro donde las potentes supercomputadoras digitales actuales, a menudo aumentadas con aceleradores como las GPU, integrarán tecnologías aún más diversas. Sugirió que la computación cuántica podría convertirse en otro acelerador especializado, junto con tecnologías emergentes como la computación neuromórfica (que imita la estructura del cerebro) y la computación óptica. Las computadoras ópticas, que realizan cálculos a la velocidad de la luz manipulando haces de luz, ofrecen una velocidad increíble para tareas específicas como la multiplicación. Dongarra imagina un panorama de computación hibridado donde CPU, GPU, dispositivos cuánticos, procesadores neuromórficos y componentes ópticos podrían combinarse para abordar problemas complejos.

Geopolítica y Desarrollo Tecnológico

La competencia geopolítica en curso, particularmente entre Estados Unidos y China, está influyendo significativamente en el desarrollo y el intercambio de tecnología. Dongarra observó que, si bien EE. UU. ha impuesto restricciones a la venta de ciertas tecnologías informáticas, como piezas de Nvidia, a China, existen vías no oficiales que permiten a los colegas chinos acceder a hardware restringido.

Paradójicamente, estas restricciones pueden haber impulsado inadvertidamente el desarrollo tecnológico indígena de China. China ha cambiado su enfoque de adquirir tecnología occidental a invertir fuertemente en sus propias capacidades de investigación y fabricación. Dongarra señaló que China ahora diseña sus propios chips competitivos y ha construido potentes supercomputadoras que probablemente rivalizan con las máquinas más importantes de EE. UU., aunque la información sobre su rendimiento no se compara públicamente. Reconoció que la tecnología de fabricación de chips de China está actualmente una o dos generaciones por detrás de los principales fabricantes como TSMC (Taiwan Semiconductor Manufacturing Company), pero espera que China se ponga al día. También destacó la compleja realidad de la fabricación de chips, señalando que algunos chips chinos aún podrían producirse en Taiwán, que China considera parte de su territorio.

Impacto de la IA en los Programadores

Con respecto al futuro de la programación, Dongarra ve que la IA desempeñará un papel crucial en la automatización de tareas de desarrollo que consumen mucho tiempo. Le ha impresionado la capacidad de la IA para generar y optimizar software a partir de indicaciones en lenguaje natural. Él cree que cada vez más, los desarrolladores describirán las funciones deseadas de sus programas utilizando lenguaje cotidiano, permitiendo que la IA escriba el código. Aunque reconoce posibles problemas como “alucinaciones” o salidas incorrectas, Dongarra enfatizó la importancia de incorporar verificaciones para garantizar la precisión de las soluciones generadas por IA. A pesar de estos desafíos, aboga por abrazar el potencial de la IA para transformar el desarrollo de software.