Gen AI de Qualcomm : Une opportunité unique au-delà de l'innovation.

Qualcomm a développé Gen AI et intégré de manière agressive des capacités d’intelligence artificielle générative à travers sa vaste gamme de semi-conducteurs au cours des dernières années.

Pour ceux qui sont complètement déconnectés de l’information, l’IA utilise des algorithmes intelligents pour produire du matériel nouveau et original, tels que des photographies, des images, des films et de la musique, à partir de données déjà présentes.

La stratégie d’IA générative de Qualcomm adopte cette technologie pour améliorer différents aspects de ses produits et services.

L’entreprise affirme que ses technologies peuvent réaliser une large gamme de cas d’utilisation extraordinaires, mais le faire localement sur le smartphone ajoute beaucoup plus de valeur, notamment du point de vue du coût par requête et de la scalabilité.

Dans ce contexte, discutons de la capacité de Qualcomm à construire une fonction d’IA hybride qui s’étend du dispositif au cloud.

La discussion sur cette possibilité a été initiée par Qualcomm plus tôt cette année lors du Mobile World Congress.

Cette approche nécessite des modifications matérielles spécifiques et distinctives ainsi que des ajustements logiciels importants, aboutissant à un modèle important appelé Stable Diffusion, un modèle de deep learning texte-vers-image introduit en 2022.

La principale application de Stable Diffusion est de créer des images détaillées à partir de descriptions textuelles.

Toutefois, Stable Diffusion peut également être utilisé pour d’autres tâches telles que la réparation d’images (inpainting) et la modification d’images générées par l’IA en dehors des limites de l’image d’origine (outpainting).

Il est essentiel de noter que les paramètres constituent la base fondamentale des algorithmes d’apprentissage automatique qui permettent des applications fonctionnelles d’IA générative.

Ils représentent la partie du modèle entraîné à l’aide de données passées.

En général, la relation entre le nombre de paramètres et la complexité s’est révélée étonnamment valable dans le domaine du langage.

La quantité approximative nécessaire dans le passé pour les applications de style d’IA générative était d’environ 10 milliards de paramètres.