Ryan Haines / Android Authority La sabiduría popular dice que las especificaciones de los teléfonos inteligentes ya no importan mucho. Ya sea que estés mirando los mejores buques insignia o un valiente rango medio, todos son más que capaces de realizar tareas diarias, jugar los últimos juegos móviles e incluso tomar fotografías increíblemente buenas. Es bastante difícil encontrar hardware móvil absolutamente malo a menos que estés raspando el presupuesto absoluto del mercado. Por ejemplo, tanto los consumidores como los expertos están enamorados de la serie Pixel 8, a pesar de que tiene un punto de referencia muy por detrás del iPhone 15 y otros dispositivos Android. rivales. De manera similar, los últimos buques insignia de Apple y Samsung apenas mueven la aguja en el hardware de la cámara, pero siguen siendo muy apreciados en fotografía. Las especificaciones simplemente ya no equivalen automáticamente al mejor teléfono inteligente. Y, sin embargo, la serie Pixel 8 de Google y la próxima gama Samsung Galaxy S24 han puesto el pie en esa puerta que se cierra. De hecho, bien podríamos estar a punto de embarcarnos en una nueva carrera armamentista de especificaciones. Me refiero, por supuesto, a la IA y al debate cada vez más candente sobre los pros y los contras del procesamiento en el dispositivo frente al procesamiento basado en la nube. Las funciones de inteligencia artificial están mejorando rápidamente nuestros teléfonos, pero muchas requieren procesamiento en la nube. En pocas palabras, ejecutar solicitudes de IA es bastante diferente de las cargas de trabajo tradicionales de CPU y gráficos de uso general con las que nos asociamos y comparamos en dispositivos móviles, portátiles y otros dispositivos de consumo. Para empezar, los modelos de aprendizaje automático (ML) son son grandes y requieren que se carguen grandes cantidades de memoria incluso antes de que podamos ejecutarlos. Incluso los modelos comprimidos ocupan varios gigabytes de RAM, lo que les otorga una mayor huella de memoria que muchos juegos móviles. En segundo lugar, ejecutar un modelo de aprendizaje automático de manera eficiente requiere bloques lógicos aritméticos más exclusivos que su CPU o GPU típica, así como soporte para formatos de números enteros pequeños como INT8 e INT4. En otras palabras, lo ideal es que necesite un procesador especializado para ejecutar estos modelos en tiempo real. Por ejemplo, intente ejecutar la generación de imágenes Stable Diffusion en una CPU potente y moderna de escritorio; se necesitan varios minutos para producir un resultado. Está bien, pero eso no es útil si quieres una imagen rápidamente. Las CPU más antiguas y de menor consumo, como las que se encuentran en los teléfonos, simplemente no están hechas para este tipo de trabajo en tiempo real. Hay una razón por la que NVIDIA se dedica a vender tarjetas aceleradoras de IA y por la que los procesadores emblemáticos de los teléfonos inteligentes promocionan cada vez más sus capacidades de IA. Sin embargo, los teléfonos inteligentes siguen estando contenidos por sus pequeños presupuestos de energía y su limitado espacio térmico, lo que significa que hay un límite en lo que se puede hacer actualmente en el dispositivo. Damien Wilde / Android AuthorityEn ningún otro lugar esto es más evidente que en los últimos teléfonos inteligentes Pixel y los próximos Galaxy. Ambos se basan en nuevas funciones de IA para distinguir los nuevos modelos de sus predecesores y cuentan con procesadores acelerados por IA para ejecutar herramientas útiles, como Call Screening y Magic Eraser, sin la nube. Sin embargo, si lee la letra pequeña, descubrirá que se requiere una conexión a Internet para el procesamiento en la nube de varias de las funciones de IA más exigentes. Video Boost de Google es un excelente ejemplo, y Samsung ya ha aclarado que algunas de las próximas funciones de Galaxy AI también se ejecutarán en la nube. Aprovechar la potencia del servidor para realizar tareas que no se pueden realizar en nuestros teléfonos es obviamente una herramienta útil, pero hay Hay algunas limitaciones. La primera es que estas herramientas requieren una conexión a Internet (obviamente) y consumen datos, lo que puede no ser adecuado en conexiones lentas, planes de datos limitados o en roaming. La traducción de idiomas en tiempo real, por ejemplo, no sirve en una conexión con una latencia muy alta. El procesamiento de IA local es más confiable y seguro, pero requiere hardware más avanzado. En segundo lugar, la transmisión de datos, en particular información personal como conversaciones o imágenes, es un riesgo para la seguridad. Los grandes nombres afirman mantener sus datos seguros frente a terceros, pero eso nunca es una garantía. Además, tendrás que leer la letra pequeña para saber si están usando tus cargas para entrenar aún más sus algoritmos. En tercer lugar, estas funciones podrían revocarse en cualquier momento. Si Google decide que Video Boost es demasiado caro para ejecutarlo a largo plazo o que no es lo suficientemente popular como para admitirlo, podría desconectarlo y una función para la que compró el teléfono desaparecerá. Por supuesto, ocurre lo contrario: las empresas pueden agregar más fácilmente nuevas capacidades de IA en la nube a los dispositivos, incluso aquellos que carecen de hardware de IA potente. Así que no todo es malo. Aún así, idealmente, es más rápido, menos costoso y más seguro ejecutar tareas de IA localmente siempre que sea posible. Además, podrá conservar las funciones mientras el teléfono siga funcionando. En el dispositivo es mejor, de ahí que la capacidad de comprimir y ejecutar grandes modelos de lenguaje, generación de imágenes y otros modelos de aprendizaje automático en su teléfono sea un premio que los proveedores de chips se apresuran a reclamar. El último buque insignia de Qualcomm, el Snapdragon 8 Gen 3, el Dimensity 9300 de MediaTek, el Tensor G3 de Google y el A17 Pro de Apple, hablan de un juego de IA más grande que los modelos anteriores. El procesamiento en la nube es una gran ayuda para los teléfonos asequibles, pero podrían terminar quedando atrás en la carrera armamentista en dispositivos. Sin embargo, todos estos son chips emblemáticos caros. Si bien la IA ya está aquí para los últimos teléfonos insignia, los teléfonos de gama media se están perdiendo. Principalmente porque carecen del silicio de IA de alta gama para ejecutar muchas funciones en los dispositivos, y pasarán muchos años antes de que las mejores capacidades de IA lleguen a los chips de gama media. Afortunadamente, los dispositivos de gama media pueden aprovechar el procesamiento en la nube para evitar este déficit. , pero aún no hemos visto indicios de que las marcas tengan prisa por reducir los precios de estas características. Google, por ejemplo, incorporó el precio de sus funciones de nube al precio del Pixel 8 Pro, pero el Pixel 8 más económico se queda sin muchas de estas herramientas (por ahora). Si bien la brecha entre los teléfonos de gama media y los emblemáticos para las tareas cotidianas realmente se ha reducido en los últimos años, existe una brecha cada vez mayor en el ámbito de las capacidades de IA. La conclusión es que si desea las últimas y mejores herramientas de IA para ejecutar en el dispositivo (¡y debería hacerlo!), necesitamos un silicio para teléfonos inteligentes aún más potente. Afortunadamente, los últimos chips y teléfonos inteligentes emblemáticos, como la próxima serie Samsung Galaxy S24, nos permiten ejecutar una selección de potentes herramientas de inteligencia artificial en el dispositivo. Esto solo se volverá más común a medida que la carrera armamentista por los procesadores de IA se intensifique. Comentarios

Source link