Cuando camina hacia el Centro de Convenciones de Denver, es imposible perderse el oso gigante de 40 pies de 40 pies que mira a través del vidrio. Titulado oficialmente “Veo lo que quieres decir” por el artista Lawrence Argent, la escultura es un símbolo de curiosidad y asombro. Se inspiró en una foto de un oso que miraba la ventana de alguien durante una sequía de Colorado, y la creación de Argent captura el interés que el público tiene en torno a “el intercambio de información, concepts e ideologías” durante eventos como la Cumbre de la Tecnología de la Información del Laboratorio Nacional (NLIT) de este año, celebrado del 5 al 8 de mayo de 2025 (2025 (fuente).
Dentro del centro de convenciones, ese mismo espíritu de curiosidad estaba vivo y cientos de asistentes de todos los laboratorios nacionales del DOE reunidos para intercambiar nuevos aprendizajes e innovaciones. Este año, uno de los temas más discutidos fue la infraestructura de IA, un tema tan vasto y complejo como la investigación que impulsa. En esta publicación, te llevaré detrás del cristal para ver más de cerca las conversaciones, desafíos y oportunidades que rodean la IA en nuestros laboratorios nacionales.
Establecer la escena: ¿Qué es NLIT y por qué importa?
La Cumbre NLIT es un evento elementary para los Laboratorios Nacionales del Departamento de Energía (DOE), donde los expertos se unen para discutir las operaciones de TI y ciberseguridad que sustentan algunas de las investigaciones más importantes del mundo. Los 17 laboratorios del DOE, un ejemplo de Lawrence Livermore Nationwide Laboratory (LLNL), adentra desafíos que van desde la innovación de la energía limpia hasta el modelado climático, la seguridad nacional y los avances de atención médica. Incluso usan matrices de láser masivas para crear pequeñas estrellas aquí en la Tierra; ¿Ves lo excelente? ¿Me atrevo a decir iluminando? – obras del Nationwide Ignition Facility (NIF) en LLNL.
En el corazón de su trabajo, como tantos laboratorios científicos, se encuentran datos, cantidades de la misma. Administrar, asegurar y extraer información de estos datos no es una tarea pequeña, y ahí es donde entra en juego la infraestructura de IA. En pocas palabras, la infraestructura de IA se refiere al {hardware}, el software program y las herramientas necesarias para desarrollar y ejecutar modelos de inteligencia synthetic. Estos modelos se pueden construir en la casa, como modelos de idiomas grandes (LLM) personalizados, o extraídos de plataformas existentes como GPT-4 o LLAMA. Y aunque el potencial es enorme, también lo son los desafíos logísticos y operativos.
Ai en acción: una visión de lo que es posible
Las aplicaciones de IA abarcan una amplia gama, un ejemplo es un análisis de datos complejo que impulsa el descubrimiento científico. La capacidad de ejecutar modelos de IA localmente o de forma nativa en sistemas informáticos de alto rendimiento ofrece a los laboratorios la potencia de procesar datos más rápido, hacer predicciones y descubrir patrones que anteriormente eran invisibles.
La IA también se puede utilizar en herramientas institucionales que automatizan las operaciones diarias. Think about esto: un laboratorio nacional utiliza IA para optimizar los sistemas HVAC, reduciendo el consumo de energía mientras mantiene los laboratorios funcionando sin problemas. Los contratistas se gestionan de manera más eficiente, con AI optimizando los horarios y detectar posibles problemas temprano. La toma de decisiones se informa más, ya que AI analiza los datos y predice los resultados para guiar grandes decisiones.
En este futuro, la IA no es solo una herramienta, es un socio que ayuda a Labs a enfrentar todo tipo de desafíos de investigación. Pero llegar allí no es tan easy como voltear un interruptor.
La verificación de la realidad: desafíos de implementación
Si bien la visión de los laboratorios empoderados con AI es emocionante, hay un caucho que cumple con el momento de la carretera en lo que respecta a la implementación. La realidad es que construir y mantener la infraestructura de IA es compleja y viene con obstáculos significativos.
Estos son algunos de los mayores desafíos planteados durante NLIT 2025, junto con cómo se pueden abordar:
1. Gobierno de datos
- El desafío: los laboratorios nacionales en el Departamento de Energía dependen de datos precisos, confiables y a menudo sensibles para impulsar modelos de IA que respalden la investigación crítica. La fuerte gobernanza de los datos es essential para proteger contra el acceso no autorizado, las infracciones y el mal uso en áreas como la investigación nuclear e infraestructura energética.
- Solución: Implemente la gobernanza de datos para las cargas de trabajo desde la tierra hasta la nube. Algunos pasos de ejemplo: use un CNI (interfaz de crimson de contenedores) como EBPF-Powered Cilio para monitorear y hacer cumplir los flujos de datos para garantizar el cumplimiento y establecer la detección de anomalías con respuesta automatizada en tiempo actual (consulte Herramientas como Defensa de IA).
2. Observabilidad y aplicación de políticas
- El desafío: los sistemas de IA son objetivos atractivos para ataques cibernéticos. Proteger los datos de investigación confidenciales y garantizar el cumplimiento de las políticas de seguridad es una prioridad.
- Solución: la adopción de herramientas de observabilidad (como las proporcionadas por Cisco y Splunk) asegura que los sistemas sean monitoreados para vulnerabilidades, mientras que el cifrado avanzado protege los datos en tránsito y en reposo. Aplique la segmentación granular y los controles de acceso de menos privilegios a través de las cargas de trabajo.
3. Evientes de datos de fuentes privadas
- El desafío: mover datos de entornos privados y seguros para capacitar a los modelos de IA aumenta el riesgo de infracciones o acceso no autorizado.
- Solución: minimice el movimiento de datos procesándolo localmente o utilizando protocolos de transferencia seguros. Identifique la salida no autorizada de información confidencial o controlada. La infraestructura de IA debe incluir herramientas de monitoreo robustas para detectar y evitar la salida de datos no autorizadas.
Bridging the Hole: convertir la visión en realidad
La buena noticia es que estos desafíos son solucionables. En NLIT, hubo un fuerte enfoque en las conversaciones pragmáticas, del tipo que cerrará la brecha entre las visiones ejecutivas para la IA y las realidades técnicas que enfrentan los equipos que lo implementan. Este espíritu colaborativo es esencial porque las apuestas son altas: la IA tiene el potencial de revolucionar no solo cómo operan los laboratorios sino también el impacto que su investigación tiene en el mundo. El enfoque de Cisco en la resiliencia digital con IA se adapta bien a los desafíos únicos que enfrentan los laboratorios nacionales. Al empujar la seguridad más cerca de la carga de trabajo y aprovechar las capacidades de aceleración de {hardware} de Smartnics a Nvidia DPU, combinadas con la observabilidad Splunk, los laboratorios pueden abordar las prioridades clave, como proteger la investigación delicada, garantizar el cumplimiento de las estrictas regulaciones de datos e impulsar la eficiencia operativa. Esta asociación permite a los laboratorios construir infraestructura de IA que sea segura, confiable y optimizada para apoyar sus misiones científicas críticas y sus descubrimientos innovadores.
Mirando hacia el futuro
Al igual que el oso azul gigante en el Centro de Convenciones de Denver, estamos mirando a un futuro formado por la infraestructura de IA. La curiosidad que impulsa estas conversaciones en NLIT 2025 nos empuja a preguntar: ¿Cómo implementamos prácticamente y responsablemente estas herramientas para capacitar a una investigación innovadora? Las respuestas pueden no ser simples, pero con la colaboración y la innovación, nos estamos acercando a hacer realidad ese futuro.
Compartir:
