Utilisant du matériel finement réglé, un réseau spécialisé et un stockage de données volumineux, les superordinateurs sont depuis longtemps utilisés pour des projets de calcul intensif qui nécessitent de grandes quantités de traitement de données. Avec l’essor de l’intelligence artificielle et de l’apprentissage automatique, la demande pour ces ordinateurs puissants augmente et, par conséquent, la puissance de traitement augmente rapidement. En tant que telle, la croissance de l’IA est inextricablement liée à la croissance de la puissance de traitement de ces appareils hautes performances.
Les supercalculateurs ne sont pas nouveaux. Le terme est apparu à la fin des années 1920 et le CDC 6600 (sorti en 1964) est généralement considéré comme le premier vrai supercalculateur. Les premiers superordinateurs n’utilisaient que quelques processeurs extrêmement puissants, mais, à la fin des années 1990, les informaticiens se sont rendu compte que l’association de milliers de processeurs du commerce donnerait la plus grande puissance de traitement. Les supercalculateurs de pointe actuels disposent de plus de 60 000 processeurs massivement parallèles pour approcher les niveaux de performances pétaflopiques.
Conscient des menaces à la sécurité posées par les superordinateurs, un consortium de pays, dont les États-Unis, l’Allemagne et la Corée du Sud, a élaboré l’Arrangement de Wassenaar, qui restreint la vente, entre autres, de superordinateurs pouvant être utilisés à des fins militaires. fins. Néanmoins, des superordinateurs peuvent être trouvés dans la plupart des pays poursuivant des recherches sur l’IA.
En tant que tel, une grande partie du développement de l’IA repose sur deux piliers : les technologies et la disponibilité du capital humain. Nos précédents rapports pour Brookings, « Comment différents pays voient l’intelligence artificielle » et « Analyse des plans d’intelligence artificielle dans 34 pays », détaillaient la façon dont les pays abordent les plans nationaux d’IA et comment interpréter ces plans. Dans un article de suivi, « Les gagnants et les perdants dans la réalisation des aspirations nationales en matière d’intelligence artificielle », nous avons discuté de la manière dont différents pays réalisaient leurs aspirations selon des dimensions axées sur la technologie et sur les personnes. Dans notre article le plus récent, « Le dilemme des personnes : comment le capital humain est-il le moteur ou la contrainte de la réalisation des stratégies nationales d’IA », nous avons discuté de la dimension des personnes et, dans cet article, nous examinerons comment chaque pays est prêt à répondre à son IA. objectifs du deuxième pilier, la dimension technologique.
Développement de facteurs technologiques
Afin d’analyser la préparation technologique de chaque pays, nous avons rassemblé un ensemble de données au niveau du pays contenant : le nombre et la taille des superordinateurs dans chaque pays, le montant des dépenses publiques et privées consacrées aux initiatives d’IA dans chaque pays, le nombre de startups d’IA dans chaque pays , et le nombre de brevets d’IA et d’articles de conférence produits par les universitaires de chaque pays. Cela a donné lieu à dix éléments de données distincts.[1]
Comme pour nos analyses précédentes, nous avons effectué une analyse factorielle pour déterminer si l’un des éléments de données était étroitement lié. Des éléments étroitement liés peuvent être mathématiquement combinés en un facteur composite, ce qui facilite l’interprétation. Dans cette analyse factorielle, deux facteurs clairs sont ressortis. Le premier facteur contenait les classements des pays en fonction des performances informatiques maximales théoriques, du nombre de cœurs de traitement, du nombre de superordinateurs et des performances maximales de LINPACK atteintes ; classement des pays pour le nombre d’articles de conférence et d’articles de revues ; et le classement du pays pour le nombre de brevets. Le deuxième facteur concernait les investissements privés et publics dans l’IA. Un domaine, les startups d’IA, n’était pas étroitement associé à l’un ou l’autre des facteurs et a été exclu d’une analyse plus approfondie.
Il est clair que tous les domaines du premier facteur sont soit directement liés à la technologie, soit à son utilisation dans la recherche. En conséquence, nous appelons ce facteur Technologie et Recherche. Le deuxième facteur est uniquement axé sur les investissements, c’est pourquoi nous appelons ce champ Investissements.
La figure 1 montre où se situe un groupe sélectionné de pays le long de ces sous-dimensions.
Nous interprétons et nommons les quadrants comme suit. Les pays qui se trouvent dans le coin supérieur droit, nous les surnommons « Leaders » ; ceux-ci disposent à la fois d’une plate-forme technologique et de recherche robuste (facteur un) et d’investissements publics/privés substantiels (facteur deux). Les pays dans le quadrant inférieur droit que nous appelons « Technology Skilled ». Ces pays disposent actuellement d’une solide plate-forme technologique et de recherche, mais manquent d’investissements publics et privés solides. Les pays du quadrant supérieur gauche que nous appelons « Financement positionné » sont des pays qui disposent d’un flux de financement important mais qui sont en retard en termes de technologie et de recherche. Enfin, nous appelons le quadrant inférieur gauche « Non préparé », qui reflète les pays qui manquent à la fois de technologie et de recherche et manquent également du point de vue du financement.
États-Unis et Chine
La course à la domination technologique est clairement une course à deux chevaux entre les États-Unis (94e centile pour la technologie et la recherche et 96e pourcentage pour l’investissement) et la Chine (94e centile pour la technologie et la recherche et 91e pourcentage pour les investissements). Alors que les États-Unis détiennent une très légère avance dans l’ensemble, les deux pays occupent les trois premières positions pour chacun de nos éléments de données. Ce n’est pas surprenant, car la taille des économies américaine et chinoise (la plus grande et la deuxième plus grande respectivement à 20 000 milliards de dollars et 15 000 milliards de dollars respectivement) éclipse le Japon, qui est la troisième économie (4 900 milliards de dollars). En conséquence, nous ne voyons aucun obstacle technologique pour que l’un ou l’autre pays continue d’exceller.
Royaume-Uni, France, Japon et Allemagne
Royaume-Uni (75e centile en technologie et recherche et 88e centile en investissements), France (75e centile en technologie et recherche et 81e centile en investissements), Japon (87e centile en technologie et recherche et 75e centile en investissements) et Allemagne ( 83e centile en technologie et recherche et 68e centile en investissements) forment un solide groupe de chasse aux deux leaders. Des quatre pays, nous considérons le Royaume-Uni comme étant dans la position la plus forte pour défier les États-Unis et la Chine et cela est basé sur leurs investissements plus importants dans la technologie. Nous pensons que ces investissements leur permettront de combler l’écart plus rapidement que les autres pays ne sont capables de le faire. Cependant, nous ne pouvons pas ignorer le fait que l’économie du Japon est la plus grande des quatre et cela suggère que, s’ils décident de le faire, ils peuvent rapidement accélérer leurs efforts.
Inde, Canada, Corée du Sud et Italie
Inde (57e centile en technologie et recherche et 78e centile en investissements), Canada (68e centile en technologie et recherche et 60e centile en investissements), Corée du Sud (71e centile en technologie et recherche et 60e centile en investissements) et Italie (71e centile en technologie et en recherche et 60e centile en investissements) complètent le quadrant Leaders. Comme le Royaume-Uni, l’Inde est également bien positionnée du point de vue du financement et devrait rapidement se séparer des quatre autres pays.
Conte des économies
Presque sans exception, il existe une forte relation entre la taille économique du pays et sa position dans nos quadrants. Les États-Unis tirent certainement parti de leur statut de plus grande économie du monde et font des investissements technologiques considérablement plus importants que presque tout autre pays ; La Chine est juste derrière. Alors que nous étions préoccupés par la position des États-Unis d’un point de vue humain, il n’y a pas de préoccupations similaires d’un point de vue technologique. L’Amérique reste un leader mondial de l’innovation numérique et les supercalculateurs ne font pas exception à ce fait.
La réalité inconfortable pour les États-Unis est que leur force économique est très utile pour effectuer les investissements nécessaires dans l’infrastructure technologique qui sont nécessaires mais pas suffisants pour réussir dans la poursuite de l’IA, mais cette force économique n’a que peu ou pas d’incidence sur l’autre élément nécessaire – la capacité d’attirer les personnes nécessaires pour développer et mettre en œuvre sa stratégie d’IA. En revanche, la Chine a également la force économique pour les investissements nécessaires dans les infrastructures technologiques, mais a également une population importante pour fournir l’énergie qui est également nécessaire. En d’autres termes, la Chine a les deux conditions nécessaires au succès de l’IA alors que les États-Unis n’en ont qu’une. En tant que telle, la Chine est actuellement en bien meilleure forme que les États-Unis pour atteindre ses objectifs en matière d’IA et, sans changements sur le plan humain, les États-Unis prendront de plus en plus de retard.
Dans notre prochain article, nous nous concentrerons exclusivement sur ce que les États-Unis doivent faire pour améliorer leur position et dans nos articles suivants, nous examinerons différentes stratégies d’équipe qui tirent parti des forces respectives de chaque pays.
[1]: Il s’agit de : Rpeak (classement du pays par les performances informatiques maximales théoriques), Cores (classement du pays par le nombre de cœurs de traitement), Count (classement du pays par le nombre de superordinateurs), Rmax (classement du pays par les performances de calcul à virgule flottante LINPACK maximales atteintes), AI Startups (classement du pays pour le nombre de startups basées sur l’IA), Private Investment (taux du pays pour les investissements privés dans l’IA), Public Investments (classement du pays pour les investissements publics dans l’IA), AI Conference Papers (classement du pays pour le nombre de documents de conférence sur l’IA ), AI Journal Papers (classement par pays pour le nombre d’articles sur l’IA) et AI Patents (classement par pays pour le nombre de brevets sur l’IA).
