es.wedoany.com Noticia: La instalación de medición de radiación atmosférica (ARM) del Departamento de Energía de EE. UU. (DOE) está impulsando la aplicación de la tecnología de inteligencia artificial en su infraestructura de datos, con el objetivo de ayudar a los investigadores a acceder más rápidamente a más de 30 años de datos de observación atmosférica. La instalación ha recopilado más de 8 PB de datos atmosféricos.
Giri Prakash, director de datos y computación de ARM, afirmó que la infraestructura preparada para IA se ha vuelto una necesidad, y que el centro está adoptando un enfoque por fases para mejorar la infraestructura y satisfacer la creciente demanda computacional. Estas mejoras se añadirán a la infraestructura existente de ARM para cumplir con los exigentes requisitos de las aplicaciones de IA. Prakash gestiona el centro de datos de ARM ubicado en el Laboratorio Nacional Oak Ridge (ORNL) en Tennessee.
Hace aproximadamente cuatro años, ARM comenzó a instalar unidades de procesamiento gráfico (GPU) para el clúster de computación de alto rendimiento Cumulus. Estas GPU ya se han utilizado en proyectos como análisis de calidad de datos, procesamiento de radar y generación de productos de datos. Actualmente, el centro está realizando una actualización más significativa, reemplazando los servidores de archivos con una plataforma de almacenamiento preparada para IA que se conecta directamente al entorno de GPU, permitiendo que los modelos de IA accedan a los datos a alta velocidad sin esperar la transferencia de archivos. ARM planea adquirir entre 25 y 30 nuevas GPU, incluidas unidades de procesamiento diseñadas específicamente para acelerar cargas de trabajo de IA, para satisfacer las necesidades computacionales de los próximos dos a cinco años. El equipo de seguridad de redes e ingeniería de redes de ARM también está reforzando los controles para gestionar el acceso a los recursos y herramientas de computación, datos e IA.
En el ámbito del software, ARM está desarrollando un entorno que permite que los modelos de lenguaje grande (LLM) y los sistemas basados en agentes se comuniquen con los activos de datos, metadatos y registros de calidad. Giri Prakash explicó que los LLM son "el cerebro que comprende e interpreta", mientras que los agentes son sistemas que utilizan ese cerebro para acceder a los datos y realizar tareas. Ambos conectan la capacidad de razonamiento general de los LLM con el conocimiento institucional, las herramientas y las acciones. A diferencia de los asistentes de IA tradicionales que solo responden preguntas, los sistemas basados en agentes pueden razonar sobre tareas de múltiples pasos, acceder a herramientas externas y coordinar flujos de trabajo con una intervención humana mínima.
ARM lanzó la versión beta de ARM Data Advisor (ADA, pronunciado "ā-duh"). Según Wade Darnell, desarrollador de software de ORNL y desarrollador principal de ADA, este agente de IA responde preguntas, recomienda conjuntos de datos, muestra gráficos de datos, explica la calidad de los datos y realiza pedidos de datos a través de una interfaz de conversación en lenguaje natural. La funcionalidad básica de pedidos de datos estará disponible en la versión inicial, mientras que los pedidos avanzados y la extracción de datos se añadirán en versiones futuras. ADA ofrecerá recomendaciones personalizadas para usuarios recurrentes y proporcionará archivos en múltiples formatos. Se espera que ADA se lance en julio de 2026, y las herramientas de búsqueda tradicionales se mantendrán hasta que los desarrolladores estén seguros de que satisface las necesidades de los usuarios.
Los desarrolladores de ARM también construyeron un marco llamado Agentic Tooling and LLM Augmentation Stack (ATLAS). ATLAS proporciona una plataforma compartida que permite que las herramientas impulsadas por IA trabajen juntas, incluyendo la inferencia de modelos a través de puntos finales compatibles con OpenAI, la conversión de información en formatos vectorizados buscables, la coordinación de flujos de trabajo guiados por agentes específicos del dominio, y el acceso seguro a datos y servicios. Este marco admite la generación de metadatos, el análisis de calidad de datos y la mejora de la búsqueda en el sitio web a través del asistente digital Ask ARM. ATLAS también se conecta a múltiples entornos de servicio de modelos que requieren GPU, incluyendo plataformas internas y la Nube Científica de EE. UU., que forma parte de la misión Genesis del DOE, que integra los recursos de supercomputación de los laboratorios nacionales en una nube segura para el descubrimiento científico impulsado por IA.
En los próximos tres años, ARM espera añadir entre 2 y 3 PB de espacio de almacenamiento para contenido vectorizado, incluyendo incrustaciones de metadatos buscables, páginas de guía y manuales de instrumentos. Al mismo tiempo, ARM planea convertir y dividir variables científicas y datos de observación en representaciones contextuales legibles por IA, para que los sistemas de agentes puedan indexar, recuperar y analizar de manera eficiente. Al aprovechar GPU Direct Storage y una arquitectura de almacenamiento de alto rendimiento estrechamente integrada, ARM reduce los cuellos de botella en la transferencia de datos y acelera los tiempos de respuesta de los modelos de IA. A medida que se expande el clúster de GPU, el equipo de operaciones de la instalación está trabajando en conjunto en aspectos de energía, refrigeración y redes.
Prakash indicó que los comentarios de los usuarios seguirán guiando el lanzamiento de estas herramientas. El equipo del centro de datos de ARM está elaborando un documento de gobernanza para establecer barreras para el uso responsable de la IA, definir estándares éticos alineados con los principios del DOE, y establecer criterios de evaluación y mejores prácticas. Al alinear los flujos de datos optimizados para IA con la misión Genesis del DOE, el equipo del centro de datos de ARM se compromete a acortar el tiempo desde la observación hasta el descubrimiento. Prakash enfatizó: "ARM no está simplemente añadiendo IA a los sistemas existentes; estamos reconstruyendo nuestro ecosistema de datos en torno a la IA".
