Aunque la atención global está estos días enfocada en la reunión anual del G20 en Buenos Aires, el mundo tecnológico tiene su atención puesta esta semana en Amazon, que aprovecha al máximo estos días previos a las fiestas y a las vacaciones del invierno boreal con sus conferencias Re: Invent de Amazon Web Services (AWS).
Este año, unas 53 mil personas, entre ellas un enviado especial de iProUP, se dirigieron a la ciudad estadounidense de Las Vegas para escuchar al CEO de AWS, Andy Jassy, y a los líderes estratégicos de la compañía, quienes explicaron los avances que AWS está haciendo a su plataforma en la nube y sus ideas sobre cómo obtener el mayor valor al usar esas capacidades.
¿Por qué Amazon está en el espacio de la inteligencia artificial (AI, sigla en inglés)? La empresa tiene miles de millones de interacciones al día y hace millones de inferencias de AI cada minuto, desde sus recomendaciones de productos en el sitio hasta las interacciones basadas en voz con Alexa, y muchas otras capacidades habilitadas para AI en la cadena de suministro y logística.
Es posible que Amazon tenga la experiencia más amplia en el campo, no solo en la creación de tecnología subyacente que otros utilizan, sino también en el uso de ella, dirigiendo uno de los negocios de mayor escala en una amplia gama de industrias.
Desde esta experiencia, la misión de AWS Machine Learning es poner las capacidades de aprendizaje automático en manos de cada desarrollador, independientemente de sus habilidades y nivel de experiencia.
El año pasado, Amazon anunció su incursión en el mundo de las capacidades de la tecnología AI y Machine Learning (ML), agregando capacidades significativas a su nube y desafiando a sus rivales en el espacio virtual, incluyendo Google, Microsoft, IBM y otros.
Hace solo un año lanzó Amazon SageMaker, más de 90 nuevas mejoras realizadas en solo un año, con más de 200 nuevos lanzamientos de ML y actualizaciones importantes desde el lanzamiento. Este año, AWS ha mejorado mucho con una amplia variedad de características que se adaptan a una variedad de roles de usuarios interesados en llevar las capacidades de inteligencia artificial a sus propios entornos.
Amazon está especialmente centrado en el cliente, e insiste en que solo desarrolla características y capacidades del producto basadas en la demanda y los comentarios reales de los clientes.
Como tales, clasifican el mundo de los clientes centrados en la IA en tres segmentos generales:
* Profesionales e investigadores expertos que ya tienen experiencia con algoritmos ML y enfoques de inteligencia artificial y se sienten cómodos con las herramientas y las decisiones de marco. AWS apunta a apoyarlos con infraestructura para aumentar la velocidad y reducir su costo de desarrollo y operacionalización.
* Desarrolladores y científicos de datos que buscan agregar capacidades de AI y ML a sus aplicaciones existentes o mejorar sus actividades de ciencia de datos. AWS continúa mejorando su plataforma para desarrolladores de aplicaciones con la suite Amazon SageMaker y el soporte de marco ML.
* Desarrolladores de aplicaciones con poco conocimiento o experiencia en LD que desean capacidades de AI y ML pero no están familiarizados con cómo funcionan o con los detalles. Para esta audiencia, AWS ya ha anunciado capacidades de procesamiento de lenguaje natural y visión por computadora como Rekognition, Polly, Transcribe, Lex y otras herramientas, pero apunta a aumentar el soporte general para brindarles a estos desarrolladores más capacidades sin necesidad de que tengan más. conocimiento específico de inteligencia artificial.
En general, los anuncios específicos de AWS AI en Re: Invent 2018 apuntan a abordar estos desafíos principales para los desarrolladores de AI y ML: reducir el costo del desarrollo y la operacionalización de AI y ML en las fases de formación e inferencia, ayudando a los profesionales de AI a manejar mejor las vastas cantidades de los datos que necesitan tratar, y la mejora de la facilidad de uso general para AI y ML para las audiencias más amplias detalladas líneas arriba.
Cuando Amazon lanzó su incursión en la computación en la nube hace casi 15 años, se centró en dos servicios simples: almacenamiento y cómputo.
Desde entonces, el ecosistema de AWS ha evolucionado significativamente manejando una amplia gama de cargas de trabajo. Las capacidades de AI y ML ahora se están agregando a este nivel de infraestructura para manejar los casos de uso emergentes de AI y ML.
En el siguiente video del enviado especial de iProUP, Jeff Barr, Chief Evangelist de Amazon Web Services, explica los principales anuncios de re:KInvent 2018.
A continuación, algunos de los anuncios clave de Re: Invent 2018.
La tecnología de computación en la nube de Amazon es su Elastic Compute Cloud (EC2) que ejecuta la funcionalidad de computación general en una amplia gama de configuraciones.
Para manejar las pesadas cargas informáticas necesarias para la capacitación en aprendizaje automático, la compañía anunció la instancia EC2 P3dn, que está altamente optimizada para la capacitación de ML distribuida.
Con un rendimiento de red de hasta 100 gbps, el uso de las GPU NVidia V100, los conjuntos de datos agrupados y los 32 GB de memoria por GPU, el sistema puede reducir significativamente el tiempo de entrenamiento, mejorar la utilización de la GPU y admitir modelos más grandes y complejos.
Amazon también está aplicando ML a sus otras ofertas de EC2, utilizando el análisis de patrones con ML para proporcionar un escalamiento predictivo para ayudar a los clientes a calentar los recursos del servidor antes de que sean realmente necesarios.
La fase de inferencia de los proyectos de AI es donde se encuentra la mayor parte del costo de la computación, con más del 90% del tiempo de computación invertido y solo el 10% del tiempo total de computación del proyecto de AI dedicado a la capacitación.
Para ayudar a reducir el costo de la inferencia, AWS anunció la inferencia elástica de Amazon que hace coincidir la capacidad de inferencia con la demanda real. Los usuarios pueden agregar inferencia a cualquier instancia de EC2 y se integran con la herramienta SageMaker. Elastic Inference tiene soporte para TensorFlow, Apache MXNet, con PyTorch próximamente.
Para ayudar a que la capacitación y la inferencia sean aún más eficientes, Amazon ha invertido en TensorFlow para optimizarlo para el entorno de AWS. La empresa afirma una eficiencia de escala del 90% y una reducción de más del 50% en el tiempo de entrenamiento con el TensorFlow optimizado, tal como se utiliza dentro de la oferta de SageMaker.
Para optimizar aún más el AWS AI y el ML stack, Amazon anuncia la disponibilidad inmediata del chip AWS Inferentia, un chip de aprendizaje automático de alto rendimiento especialmente diseñado que es una alternativa de alto rendimiento a las GPU para capacitación. La solución promete proporcionar órdenes de reducción de costos de magnitud y es una respuesta a las Unidades de Procesador TensorFlow (TPU) de Google y los FPGA basados en Microsoft Xilinx.
En la etapa de inferencia de los proyectos de inteligencia artificial, los profesionales se enfrentan al desafío de ejecutar modelos ML en una amplia gama de entornos y puntos finales.
Para simplificar el proceso de implementación de ML en el borde y otros puntos finales, AWS anunció SageMaker Neo, que tiene como objetivo proporcionar una manera de capacitar al modelo una vez y ejecutarlo en cualquier lugar. La solución compila modelos ML hasta el 10% del tamaño de los marcos originales y proporciona un compilador de aprendizaje profundo con un rendimiento 2x. La solución tiene un amplio soporte para hardware, incluidos Intel, Nvidia, ARM, Xilinx, Cadence y Qualcomm, y es compatible con los frameworks TensorFlow, MXNet y Pytorch.
Para tener aplicaciones que puedan ejecutarse en la plataforma AWS, primero deben desarrollarse esas “aps”. Con ese fin, Amazon ha anunciado una adición significativa a su suite de desarrollo para ayudar a acelerar el desarrollo de aplicaciones AI y ML.
Los datos de entrenamiento bien etiquetados, suficientes y de alta calidad son la clave para un proyecto ML exitoso, y absolutamente necesarios para cualquier forma de aprendizaje supervisado. Para ayudar a acelerar y mejorar el etiquetado de datos, Amazon anunció SageMaker Ground Truth para mejorar el etiquetado de datos y hacer que los datos de entrenamiento de aprendizaje automático sean etiquetados de manera más fácil y precisa.
La solución aprovecha Amazon Mechanical Turk, así como herramientas de etiquetado privadas y de terceros para iniciar el proceso de etiquetado, y construye un modelo de aprendizaje activo que aumenta el etiquetado humano para proporcionar un etiquetado automático basado en máquinas con grados de confianza. De esta manera, el etiquetado se puede acelerar y realizar a un costo menor.
Además de los métodos y algoritmos de aprendizaje automático supervisados y no supervisados, la caja de herramientas de AI incluye el aprendizaje por refuerzo (RL) como un método para lograr tareas de aprendizaje orientadas a objetivos utilizando un sistema de objetivos / recompensas. AWS anunció la herramienta Amazon SageMaker RL para simplificar la creación de soluciones RL y proporcionar aprendizaje de refuerzo para desarrolladores y científicos de datos. Además de las capacidades básicas de RL, la solución es compatible con entornos 2D y 3D para simulación, incluido el entorno de Amazon Sumerian AR y VR.
Muchos proyectos de RL se encuentran en el espacio de la robótica, utilizando RL como una forma de entrenar robots físicos y virtuales. Independientemente del enfoque de ML, Amazon anunció la herramienta AWS RoboMaker que facilita el desarrollo de aplicaciones robóticas y la gestión del ciclo de vida de las aplicaciones robóticas. La solución proporciona extensiones de nube para el sistema operativo robótico (ROS), un entorno de desarrollo, un entorno de simulación y una herramienta de gestión de flota.
A medida que avanzan en la pila, Amazon se centra en ayudar a incluso a los desarrolladores informales a aprovechar el poder de AI y ML. En AWS Re: Invent 2018, la compañía realizó los siguientes anuncios de productos:
Aprovechando las tecnologías de inteligencia artificial de Amazon, la compañía desarrolló una solución específica para la industria de la salud llamada Comprehend Medical que puede extraer texto y datos relacionados con la salud de prácticamente cualquier documento, utilizando la extracción de procesamiento de lenguaje natural (PNL) en datos no estructurados.
Esto puede identificar información y términos relacionados con la salud y crear automáticamente relaciones entre los datos de atención médica.
Amazon tiene un sistema de personalización y recomendación de productos de primera clase que a menudo es copiado y envidiado por otros minoristas en línea. Ahora, la empresa está haciendo que la tecnología subyacente esté disponible a través de AWS con la herramienta Personalizar.
El motor de recomendación y personalización impulsado por AI utiliza la experiencia en sistemas de recomendación aprendidos de los muchos años de funcionamiento de Amazon.com, pero puede aplicarse a cualquier necesidad que pueda beneficiarse de los sistemas de recomendación y personalización capacitados en ML. Amazon insiste en que todos los datos son propiedad del cliente, ya que Amazon no los agrega.
Además de las funciones de personalización de ML, Amazon anunció herramientas de pronóstico que proporcionan capacidades de pronóstico basadas en ML utilizando análisis predictivo. Amazon afirma que puede mejorar la precisión de los pronósticos hasta en un 50% al 10% del costo. El sistema puede lidiar con datos de series de tiempo irregulares y muchas variables y permite a los clientes implementar una API de pronóstico personalizada para sus propias necesidades de pronóstico.
Amazon también anunció capacidades avanzadas de lenguaje natural y reconocimiento de caracteres con la herramienta Amazon Textract. La solución se promociona como "OCR " y puede extraer texto y datos de prácticamente cualquier documento, con una sólida compatibilidad con el texto en una variedad de formatos. Puede detectar tablas y otras estructuras de documentos, así como extraer información de formularios.
Los proveedores externos continúan ampliando la plataforma de AWS. En el caso del aprendizaje automático, Amazon anunció el AWS Marketplace for Machine Learning, que proporciona algoritmos y modelos de terceros disponibles al instante para la plataforma SageMaker. El mercado actualmente tiene más de 150 modelos y algoritmos, y continuará creciendo.
Amazon también se está dando cuenta de que existe un problema grave y posiblemente limitante del crecimiento que afecta a la adopción de la tecnología de inteligencia artificial: la falta de talento. Para evitar esta crisis de talento que exprime el negocio de AWS, Amazon está invirtiendo en el desarrollo de habilidades de inteligencia artificial. En Re: Invent 2018, la empresa anunció lo siguiente:
Amazon invirtió mucho tiempo y esfuerzo para capacitar a sus propios empleados en inteligencia artificial y aprendizaje automático. Ahora están proporcionando estos recursos de capacitación de forma gratuita en su Amazon Machine Learning University.
Según la compañía, puede aprender ML de la misma manera que Amazon entrena a sus desarrolladores e ingenieros. Los cursos son gratuitos, aunque necesita implementar el código utilizando los servicios de AWS, que no lo son, y los exámenes cuestan dinero si desea certificarse.
Hace un año, Amazon anunció AWS DeepLens como una forma para que los desarrolladores se familiaricen con los conceptos relacionados con la visión por computador y creen experiencia en el área. De la misma manera, Amazon anunció DeepRacer como una forma de familiarizarse con el aprendizaje por refuerzo y las capacidades autónomas.
El DeepRacer es un auto de carreras de escala 1/18 totalmente autónomo que está optimizado para correr alrededor de una pista de carreras. El sistema es una plataforma de hardware con cámara, procesador y otra tecnología que utiliza SageMaker RL. La compañía también anunció la AWS DeepRacer League, la primera liga mundial de carreras autónomas, como una manera de que los desarrolladores compitan, ganen premios y avancen en el conocimiento de RL y vehículos autónomos.
Para finalizar este resumen de los principales anuncios de AI y ML en AWS Re: Invent 2018, la compañía anunció el laboratorio de Amazon ML Solutions como una forma de transferir el conocimiento y la experiencia a las empresas que buscan adoptar y ganar valor de AI y el aprendizaje automático.
Amazon ve la inteligencia artificial, el aprendizaje automático y la tecnología cognitiva no solo como un componente central de su plataforma de computación en la nube de AWS, sino como un diferenciador estratégico que proporcionará valor no solo a la empresa, sino a sus clientes a largo plazo.