Llegamos a ustedes gracias a:



Noticias

Nutanix apuesta fuerte por el análisis de la visión artificial

En tiempo real en el borde.

[03/12/2018] Nutanix anunció la disponibilidad general de una cartera de nube llamada Xi Cloud Services, incluyendo un producto de borde en tiempo real que el CEO, Dheeraj Pandey, dijo a Computerworld que diferenciará al proveedor de infraestructura hiperconvergente en este mercado en rápido ascenso.

Los cinco productos que conforman el Xi Cloud Services (se pronuncia 'ex ai' y no 'shi' como en Xi Jinping) son:

  • Xi Leap, que está incorporado de forma nativa para la preparación ante desastres en Nutanix, habilitado en Nutanix Prism; la empresa promete reducir la complejidad de la recuperación en caso de desastres.
  • Xi Frame, una plataforma de escritorio como servicio para la implementación de la nube con un control de acceso basado en roles integrado.
  • Xi Beam, una herramienta multinube de gobernanza y optimización para gestionar los despliegues de nube en plataformas públicas y privadas.
  • Xi Epoch, un producto de visibilidad para aplicaciones multinube que proporciona "una vista de las aplicaciones similar a Google Maps para resolver los cuellos de botella en el desempeño y la disponibilidad.
  • Xi IoT, la plataforma de borde para el procesamiento de sensores y toma de decisiones en tiempo real entregados en el borde, que permiten a las empresas "eliminar la complejidad de implementar y administrar las ubicaciones de borde, según el negocio.

La computación de borde, en donde el cómputo se realiza en el lado del cliente, particularmente en situaciones donde la latencia extremadamente baja es crítica para las operaciones (tales como la manufactura o los automóviles autónomos), es un mercado muy en su infancia.

"Las empresas tienen máquinas en el borde, así que mucha de la fabricación e incluso el retail, que tiene muchas operaciones en tiendas minoristas y similares, están generando muchos datos, afirmó Dheeraj Pandey, CEO de Nutanix. "Debido a los sensores o cámaras de video, hay muchos lugares donde se han generado datos, pero también tienen que tomar una decisión en tiempo real.

"Desde una cámara o video cámara uno tiene que tomar decisiones en tiempo real sobre los datos de visión, dos cosas duras y difíciles, que son un gran reto en la red. Primero, uno no puede tomar todos estos datos y transmitirlos a un centro de datos grande; y segundo, hay una latencia en la red en la que uno no puede esperar a que se transfieran los datos antes de tomar una decisión y analizar la foto o imagen o el video para devolver una respuesta al propio borde.

"Estas dos razones harán que sea imperativo para nosotros llevar el cómputo al borde, y solo los resultados o los resúmenes o cualquier tipo de analítica, que es mucho menos datos, los metadatos, tienen que ir a un gran centro de datos.

Si bien admitió que el mercado se encuentra en una etapa temprana y que gran parte de la discusión de la industria se centra en dónde estará la primera aplicación estrella en el borde, agregó que para Nutanix, se trata de la visión artificial.

"Es la visión artificial (lo que los humanos solían hacer como inspectores) porque todo lo que hacen los humanos como inspectores es [categorizar las cosas como] 'buenas', 'malas', 'feas'. Eso es lo que harían los seres humanos. Las máquinas ahora pueden hacer eso, si realmente entrenas a las máquinas para entender qué es bueno, qué es malo y qué es feo.

"La cuestión es que las máquinas necesitan ser entrenadas todo el tiempo, por lo que inicialmente los modelos de aprendizaje automático serán inexactos. Uno tiene que devolver los falsos positivos y los falsos negativos a una gran nube, entrenar al modelo, se necesita mucho cálculo para entrenar un modelo y luego volver a implementar el modelo. Nuevamente, recuperar los falsos positivos y los falsos negativos, entrenar al modelo, volver a implementar el modelo. Así que hay un ciclo de vida completo de afinamiento del modelo y reentraniemto del modelo y reimplementación del modelo que hay que hacer y que es donde entramos nosotros.

"Somos muy buenos entregando código, hemos hecho esto a escala, en diferentes oficinas remotas y sitios remotos. Y mucho del aprendizaje automático en el borde es sobre la gestión del ciclo de vida de los algoritmos más que cualquier otra cosa.