| Resumen | La IA se ha convertido en una tecnología innovadora capaz de analizar grandes cantidades de datos, aprender patrones y hacer predicciones precisas en numerosos sectores industriales. Para desbloquear todo el potencial de la IA, los aceleradores de hardware específicos desempeñan un papel crucial. Estos dispositivos, como las GPU o las TPU, aceleran la ejecución de las aplicaciones de IA, lo cual permite un procesamiento más rápido y una mejor utilización de los recursos con respecto a los sistemas tradicionales basados en CPU. Sin embargo, a medida que las aplicaciones de IA crecen en complejidad y tamaño, su capacidad computacional y de memoria aumentan, lo cual resulta en un mayor consumo de energía. En este sentido, resulta esencial abordar el consumo de energía en los aceleradores de IA para garantizar la sostenibilidad ambiental y un despliegue responsable de esta tecnología.
En este trabajo, se estudiará el diseño de aceleradores de IA actuales, identificando potenciales limitaciones en su diseño y oportunidades de mejora de acuerdo con la demanda computacional y de memoria de estas aplicaciones. En particular, el trabajo se centrará en los Transformers, los cuales se utilizan actualmente en un amplio abanico de tareas relacionadas con el Procesamiento de Lenguaje Natural, incluyendo traducción automática o clasificación y generación de texto, entre otras.
|
|---|