Inferencia de la IA frente a formación: ¿Qué es la inferencia de la IA?

¿Qué es la inferencia de la IA?

En el campo de la inteligencia artificial (IA), la inferencia es el proceso que utiliza un modelo de aprendizaje automático* formado para extraer conclusiones a partir de datos totalmente nuevos. Un modelo de IA capaz de hacer inferencias puede hacerlo sin ejemplos del resultado deseado. En otras palabras, la inferencia es un modelo de IA en acción.

Un ejemplo de inferencia de la IA sería un coche autoconducido capaz de reconocer una señal de stop, incluso en una carretera por la que nunca antes ha circulado. El proceso de identificar esta señal de stop en un nuevo contexto es la inferencia.

Otro ejemplo: un modelo de aprendizaje automático formado en el rendimiento pasado de jugadores deportivos profesionales puede ser capaz de hacer predicciones sobre el rendimiento futuro de un determinado jugador deportivo antes de que firme un contrato. Tal predicción es una inferencia.

*El aprendizaje automático es un tipo de IA.

Inferencia frente a formación de la IA

• La formación es la primera fase de un modelo de IA. La formación puede implicar un proceso de prueba y error, o un proceso de mostrar al modelo ejemplos de las entradas y salidas deseadas, o ambas cosas.
• La inferencia es el proceso que sigue a la formación de la IA. Cuanto mejor formado y más afinado esté un modelo, mejores serán sus inferencias (aunque nunca se puede garantizar que sean perfectas).

Para llegar al punto de poder identificar señales de stop en lugares nuevos (o predecir el rendimiento de un atleta profesional), los modelos de aprendizaje automático pasan por un proceso de formación. Para el vehículo autónomo, sus desarrolladores mostraron al modelo miles o millones de imágenes de señales de stop. Un vehículo que ejecute el modelo puede incluso haber circulado por carretera (con un conductor humano como refuerzo), lo que le permite aprender por ensayo y error. Finalmente, tras una formación suficiente, el modelo fue capaz de identificar las señales de stop por sí solo.

¿Cuáles son algunos casos de uso de la inferencia de la IA?

Casi cualquier aplicación de la IA en el mundo real depende de la inferencia de la IA. Algunos de los ejemplos más utilizados habitualmente incluyen:

• Grandes modelos lingüísticos (LLM): un modelo formado en un texto de muestra puede analizar e interpretar textos que nunca ha visto antes
• Análisis predictivo: una vez que un modelo se ha formado con datos anteriores y llega a la fase de inferencia, puede hacer predicciones basadas en los datos entrantes
• Seguridad del correo electrónico: se puede formar un modelo de aprendizaje automático para que reconozca los mensajes de spam o los ataques al correo electrónico de las empresas, y luego haga inferencias sobre los mensajes entrantes, permitiendo que los filtros de seguridad del correo electrónico bloqueen los maliciosos
• Coches sin conductor: como se describe en el ejemplo anterior, la inferencia es enormemente importante para los vehículos autónomos
• Investigación: la investigación científica y médica depende de la interpretación de los datos, y la inferencia de la IA puede utilizarse para sacar conclusiones de esos datos
• Finanzas: un modelo formado en el rendimiento pasado del mercado puede hacer inferencias (no garantizadas) sobre el rendimiento futuro del mercado

¿Cómo funciona la formación de la IA?

En esencia, la formación de la IA consiste en alimentar los modelos de IA con grandes conjuntos de datos. Esos conjuntos de datos pueden ser estructurados o no estructurados, etiquetados o no etiquetados. Algunos tipos de modelos pueden necesitar ejemplos concretos de entradas y sus salidas deseadas. Otros modelos, como los de aprendizaje profundo, pueden necesitar solo datos brutos. Con el tiempo, los modelos aprenden a reconocer patrones o correlaciones, y entonces pueden hacer inferencias basadas en nuevas entradas.

A medida que avanza la formación, los desarrolladores pueden necesitar afinar los modelos. Hacen que proporcione algunas inferencias justo después del proceso de la formación inicial, y que luego corrija los resultados. Imagina que se ha encargado a un modelo de IA que identifique las fotos de perros de un conjunto de datos de fotografías de mascotas. Si el modelo, en cambio, identifica fotos de gatos, es que necesita algunos ajustes.

¿Cómo se compara el uso de la potencia de cálculo de la IA en la inferencia frente a la formación?

Los programas de IA amplían las capacidades de los ordenadores mucho más allá de lo que podían hacer antes. Pero esto tiene el coste de utilizar mucha más potencia de procesamiento que los programas informáticos tradicionales, del mismo modo que, para una persona, resolver una ecuación matemática compleja requiere más atención y concentración que resolver "2 + 2."

Formar un modelo de IA puede ser muy caro en términos de potencia de cálculo. Pero es más o menos un gasto único. Una vez que un modelo está correctamente formado, lo ideal es que no necesite más formación.

La inferencia, sin embargo, está en curso. Si un modelo está en uso activo, está constantemente aplicando su formación a nuevos datos y haciendo inferencias adicionales. Esto requiere bastante potencia de cálculo y puede ser muy caro.

¿Cómo permite Cloudflare a los desarrolladores ejecutar la inferencia de la IA?

Cloudflare Workers AI ofrece a los desarrolladores acceso a las GPU de todo el mundo para ejecutar tareas de IA. Se empareja con Vectorize, un servicio para generar y almacenar incrustaciones para modelos de aprendizaje automático. Cloudflare también ofrece un almacenamiento de objetos rentable para mantener colecciones de datos de formación: R2, una plataforma de almacenamiento de costecero.

Más información sobre cómo Cloudflare permite a los desarrolladores ejecutar la inferencia de la IA en el extremo.