Google Cloud amène les agents d'IA au goulot d'étranglement du calcul intensif

Le calcul haute performance, ou HPC, fusionne avec l’intelligence artificielle plus rapidement que de nombreuses équipes de recherche ne peuvent s’adapter. La capacité de calcul est difficile à obtenir, et les charges de travail s'exécutent désormais sur des cloud et des clusters sur site. La mesure qui compte est le passage des performances maximales au temps de découverte.

Ce changement est pleinement visible alors que le calcul intensif et l’IA convergent au SC26 à Chicago. Les chercheurs ont besoin de plus de calcul que n'importe quel site ne peut en fournir, et les fournisseurs de cloud présentent désormais les agents d'IA comme couche qui relie les ressources dispersées, selon Annie Ma-Weaver (photo, à gauche), responsable des produits de calcul haute performance chez Google Cloud, une unité de Google LLC.

« Nous favorisons cette flexibilité. et nous comprenons que les chercheurs ont vraiment besoin d'accéder au calcul, mais ils ne veulent pas nécessairement apprendre tous les détails de la manière de relier ces calculs, de les orchestrer dans tous leurs différents clusters », a déclaré Ma-Weaver.

Ma-Weaver et Megan Gawlik (à droite), chef de produit informatique haute performance chez Google Cloud, se sont entretenus avec John Furrier et Gemma Allen de theCUBE Research au SC26, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté de la manière dont les agents d'IA simplifient l'accès aux ressources informatiques distribuées, modifient la simulation et les prévisions météorologiques et soulèvent des questions sur la dépendance des chercheurs à l'égard des résultats générés par l'IA. (* Divulgation ci-dessous.)

Agentic HPC déplace l’attention des échecs vers la découverte

Google Cloud construit sa stratégie HPC agentique sur trois piliers : du matériel spécialement conçu, une orchestration open source telle que Slurm et Kubernetes et des agents d'IA collaboratifs, a expliqué Ma-Weaver. La société a présenté son approche dans ses annonces SC26. Les agents aident désormais les scientifiques à parcourir la littérature de recherche, à déboguer le code et à générer des hypothèses en quelques minutes au lieu de quelques semaines, selon Gawlik.

« Vous êtes en mesure d'explorer davantage de scénarios et vous pourriez utiliser ce même temps pour simplement tester la santé mentale de l'hypothèse qui se dégage », a déclaré Gawlik. « Je pense que ce n'est pas seulement une question de vitesse, mais je pense que c'est une question de précision que l'on peut vraiment obtenir grâce à cette vitesse supplémentaire. »

La simulation évolue également. Les ingénieurs exécutaient des simulations sur tout un espace de paramètres. Ils peuvent désormais utiliser l’IA dès le départ pour décider quels candidats valent la peine d’être testés, a noté Ma-Weaver.

« Ce que nous constatons, par exemple, avec l'ingénierie assistée par ordinateur, c'est que vous pouvez identifier à l'avance les paramètres non essentiels et que vous n'exécutez pas la simulation, ce qui réduit la durée totale de la simulation », a-t-elle déclaré. « Nous constatons également que si vous faites du design et que vous disposez de prototypes initiaux, vous pouvez générer de nouveaux prototypes nouveaux et créatifs. »

Les gains atteignent déjà les prévisions météorologiques en production. La plate-forme de prévision de la National Oceanic and Atmospheric Administration a des charges de travail lourdes et étroitement couplées et fonctionnait autrefois uniquement sur site, mais elle fonctionne désormais sur Google Cloud, a expliqué Ma-Weaver. Le National Hurricane Center a également utilisé le modèle WeatherNext de Google pour prédire la trajectoire et l'intensité de l'ouragan Melissa en octobre 2025, a noté Gawlik. Mais la dépendance croissante à l’égard des résultats générés par l’IA comporte également un risque pour les jeunes chercheurs, qui peuvent s’appuyer sur les résultats des machines au lieu de développer des compétences de pensée critique, a-t-elle ajouté.

« L'IA n'est toujours pas parfaite », a déclaré Gawlik. « Je pense que même s'il y a un résultat, nous appelons cela du slop de l'IA. Cela pourrait toujours être du slop. »

Voici l'interview vidéo complète, faisant partie de la couverture du SC26 par SiliconANGLE et theCUBE :

(* Divulgation : Google Cloud a sponsorisé ce segment de theCUBE. Ni Google Cloud ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)

Photo : SiliconANGLE

Newsletter

Rejoignez notre newsletter pour des astuces chaque semaine