En la segunda y última jornada de la Build 2020, la conferencia anual de desarrolladores de Microsoft, la compañía presentó una supercomputadora alojada en Azure, su servicio de computación en la Nube.
Construida en colaboración con OpenAI, a un año de su alianza, fue diseñada para entrenar a los modelos de inteligencia artificial de la compañía. También es un primer paso para hacer que la próxima generación de modelos más grandes de inteligencia artificial, y la infraestructura necesaria para entrenarlos, estén disponibles como plataforma para que otras organizaciones y desarrolladores puedan utilizarlos.
El proyecto es un sistema sencillo con más de 285 mil núcleos de CPU, 10 mil GPUs y 400 gigabits por segundo de conectividad de red para cada servidor GPU.
Comparada con otras máquinas aparecidas en las TOP500 super computadoras en el mundo, se encuentra entre las cinco primeras.
Según la empresa, la supercomputadora también se beneficia de todas las capacidades de una robusta infraestructura de nube moderna, incluido un despliegue rápido, centros de datos sustentables y acceso a servicios de Azure.
Actualmente, a los desarrolladores se les pide cada vez más que desarrollen sistemas de inteligencia artificial que sean fáciles de explicar y que cumplan con regulaciones internacionales de privacidad y de no discriminación.
Para superar estos obstáculos, Microsoft anunció innovaciones en aprendizaje automático responsable que, según la compañía, pueden ayudar a los desarrolladores a entender, proteger y controlar sus modelos a lo largo del ciclo de vida del aprendizaje automático.
Estas capacidades se pueden obtener a través de Azure Machine Learning y también están disponibles en código abierto en la plataforma GitHub.
Por otro lado, un conjunto de herramientas Fairlearn, que incluye capacidades para evaluar y mejorar la imparcialidad de los sistemas de inteligencia artificial, se integrará en Azure Machine Learning en junio de 2020.
Asimismo, Microsoft presentó WhiteNoise, un paquete de herramientas para privacidad diferencial que ya está disponible en código abierto en GitHub para que los desarrolladores experimenten con él, así como a través de Azure Machine Learning.
Las capacidades de privacidad diferencial se desarrollaron en colaboración con investigadores del Instituto de Ciencias Sociales Cuantitativas y la Escuela de Ingeniería de Harvard.
Microsoft explicó que estas técnicas de privacidad diferencial permiten obtener información de valor de los datos privados, además de ofrecer certezas estadísticas que aseguran que la información privada como nombres o fechas de nacimiento se pueda proteger. Por ejemplo, la privacidad diferencial podría permitir que un grupo de hospitales colabore para desarrollar un mejor modelo predictivo sobre la eficacia de los tratamientos de cáncer y, al mismo tiempo, ayudar a cumplir los requisitos legales para proteger la privacidad de la información del hospital y asegurar que no haya fugas de datos del paciente.
Por último, la firma estadounidense presentó una versión preliminar de Azure Synapse Link, una implementación de HTAP nativa en la nube. Este desarrollo, explicaron sus creadores, permite a las organizaciones y empresas obtener información de valor a partir de datos transaccionales en tiempo real almacenados en sus bases de datos operativos con un solo clic, sin manejar movimiento de datos o agregar una carga a sus sistemas de operación.
Azure Synapse Link ahora está disponible en Azure Cosmos DB y lo estará en el futuro en otros servicios de base de datos operacionales como Azure SQL, Azure Database para PostgreSQL, Azure Database para MySQL, y otros.