Llegamos a ustedes gracias a:



Reportajes y análisis

Cómo las nubes públicas están innovando en la IA

[17/12/2021] Los tres grandes proveedores de la nube, específicamente Amazon Web Services (AWS), Microsoft Azure y Google Cloud Platform (GCP), quieren que los desarrolladores y los científicos de datos desarrollen, prueben e implementen modelos de aprendizaje automático en sus nubes. Es un esfuerzo lucrativo para ellos porque los modelos de prueba a menudo necesitan una gran cantidad de infraestructura, y los modelos en producción a menudo requieren alta disponibilidad.

[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]

Estos son servicios lucrativos para los proveedores de la nube y ofrecen beneficios a sus clientes, pero no quieren competir por su negocio solo en cuanto a infraestructura, niveles de servicio y precios. Se centran en vías rápidas para facilitar a los clientes el uso de sus capacidades de aprendizaje automático. Cada nube pública ofrece múltiples opciones de almacenamiento de datos, incluidas bases de datos sin servidor, almacenes de datos, lagos de datos y almacenes de datos NoSQL, por lo que es probable que desarrolle modelos cerca de donde residen sus datos. Ofrecen marcos de trabajo populares para el aprendizaje automático, incluyendo TensorFlow y PyTorch, de modo que sus nubes sean ventanillas únicas para los equipos de ciencia de datos que desean flexibilidad. Los tres ofrecen ModelOps, MLOps y un número creciente de capacidades para soportar el ciclo de vida completo del aprendizaje automático.

Un estudio reciente muestra que el 78% de los proyectos empresariales de inteligencia artificial (IA) y aprendizaje automático (ML, por sus siglas en inglés) se implementan utilizando infraestructura de nube híbrida, por lo que las nubes públicas tienen mucho espacio para crecer. Esto implica que deberán seguir innovando con capacidades nuevas y diferenciadoras.

Esa innovación se presenta en varias categorías para ayudar a las empresas a ejecutar el aprendizaje automático a escala, con más servicios y plataformas más fáciles de usar. Aquí hay algunos detalles.

La batalla de los chips de inteligencia artificial

La experimentación del aprendizaje automático continúa escalando con modelos grandes y más complejos, los cuales requieren entrenamiento en grandes cantidades de datos. Microsoft y Nvidia anunciaron recientemente un enorme procesador de lenguaje de 530 mil millones de parámetros, mientras que Google afirma que entrenó un modelo de 1,6 billones de parámetros a principios de este año.

Los modelos de entrenamiento de este tamaño y complejidad pueden llevar mucho tiempo y resultar costosos, por lo que las nubes públicas están innovando con chips de inteligencia artificial y opciones de infraestructura. AWS ya tiene Inferentia y Trainium; y recientemente, anunció nuevas instancias EC2 basadas en Gaudi de Habana que ofrecen 40% mejor precio-rendimiento en comparación con el último EC2 con GPU.

Mientras tanto, a principios del 2021, Google anunció TPU v4. Su unidad de procesamiento tensorial de cuarta generación está demostrando una mejora promedio de 2,7 veces sobre el rendimiento de la TPU v3. Se puede esperar más innovaciones de hardware con chips y aceleradores de inteligencia artificial de Cerebras, Graphcore, Nvidia,y SambaNova.

Los chips no son la única capacidad de infraestructura que habilita la inteligencia artificial, y las tres nubes públicas tienen plataformas de computación de borde para ayudar a implementar modelos de aprendizaje automático para la Internet de las cosas y otras aplicaciones de transmisión.

La batalla de los servicios de inteligencia artificial

La mayoría de los equipos de ciencia de datos no desarrollarán inteligencia artificial a gran escala, sino que quieren crear y configurar modelos avanzados de aprendizaje automático. Los tres proveedores de nube están desarrollando servicios de aprendizaje automático y espero que crezcan significativamente durante los próximos años.

A continuación, se muestra una breve descripción general de los servicios de aprendizaje automático que se ofrecen en Azure, GCP y AWS:

* Los Cognitive Services de Microsoft incluyen servicios de voz, servicios de lenguaje para análisis de sentimientos, y servicios de preguntas y respuestas que se utilizan a menudo en chatbots. Sus servicios de visión incluyen reconocimiento facial y cuentan con servicios de soporte/toma de decisiones que se utilizan para la personalización y la detección de anomalías.

* Microsoft anunció recientemente el servicio OpenAI que se conecta al modelo de lenguaje natural GPT-3 que soportan búsqueda, conversación, finalización de texto y otros servicios.

* Google Cloud tiene varios servicios de inteligencia artificial de procesamiento de documentos, incluido DocAI para el procesamiento general de documentos y soluciones verticales para préstamos, adquisiciones, centros de contacto y administración de contratos.

* Los servicios de aprendizaje automático de AWS incluyen Rekognition en visión artificial, Textract para procesamiento de documentos, Lex para chatbots, CodeGuru para revisiones de código y Personalize para personalizar aplicaciones web.

* AWS también ofrece soluciones de inteligencia artificial específicas de la industria, como Amazon HealthLake para permitir predicciones sobre datos de salud, Amazon Lookout para identificar el comportamiento anormal del equipo, y el Fraud Detector de Amazon para servicios financieros y otras industrias.

¿Veremos más modelos de aprendizaje automático como servicio (MLaaS, por sus siglas en inglés) de nubes públicas y otros competidores? El Dr. Kirk Borne, director científico de DataPrime, cree que sí. "Veremos más ofertas de MLaaS o modelos como servicio debido a la creciente sofisticación de estos modelos y el gasto correspondiente de capacitarlos. Menos organizaciones querrán invertir el tiempo y el talento para construir sus propias instancias de esos modelos previamente entrenados".

Borne continúa, "un gran número de pequeñas y medianas empresas que están mejorando con ML e IA encontrarán que estas ofertas de X-aaS se adaptan perfectamente a su tiempo, presupuesto y requisitos estratégicos. MLaaS también ayuda a abordar la omnipresente brecha de talento al aprovechar los modelos previamente entrenados como un servicio que utiliza algoritmos sofisticados y potentes.

La batalla para hacer que la inteligencia artificial sea más accesible

La próxima frontera para las nubes públicas es habilitar sus capacidades de aprendizaje automático e inteligencia artificial para organizaciones que pueden no tener equipos avanzados de desarrollo de software y ciencia de datos. Lo están haciendo a través de tecnologías de código bajo que tienen capacidades de aprendizaje automático integradas o ayudan a los desarrolladores a interactuar con sus otros servicios de inteligencia artificial.

El IDE de AWS SageMaker simplifica el desarrollo, las pruebas y la implementación de modelos de aprendizaje automático. El IDE proporciona varias capacidades avanzadas, incluyendo un administrador de datos para ayudar a los científicos de datos a preparar datos, una tienda de funciones para promover la colaboración y la reutilización entre los equipos de ciencia de datos y capacidades DevOps de un solo clic para la implementación. AWS SageMaker compite con plataformas de ciencia de datos como Alteryx, Dataiku, KNIME, y SAS.

Microsoft ofrece Azure Machine Learning Studio, un portal que combina experiencias sin código y basadas en código para científicos de datos. Su oferta de inteligencia artificial de código bajo más avanzada es AI Builder, para la plataforma Power Apps, que permite a los desarrolladores de código bajo realizar clasificación de texto, detección de objetos y procesamiento de formularios.

Google está adoptando un enfoque similar con AutoML para los modelos de entrenamiento. La inteligencia incorporada de AppSheet incluye predicciones de tendencias, clasificación de contenido, análisis de sentimientos y otras características. Las nubes públicas compiten con otras plataformas de código bajo que ofrecen capacidades de aprendizaje automático, como Creatio, Outsystems, Thinkwise, Vantiq, entre otros.

Será interesante ver cómo las nubes públicas, las nuevas empresas, los proveedores de software empresarial, los fabricantes de chips, los proveedores de infraestructura y las plataformas de código abierto compiten en inteligencia artificial e innovación de aprendizaje automático para soportar modelos más grandes, más servicios y vías rápidas más fáciles para la integración de aplicaciones.

Puede ver también: