Microsoft ha desarrollado un centro de datos modular para llevar las capacidades de la nube a entornos que plantean retos a la conectividad, y que permite usar las comunicaciones por satélites cuando no haya otra red disponible.
El centro de datos modular es una solución para los clientes de la compañía que buscan migrar sus aplicaciones a Azure pero tienen que seguir ejecutando cargas de trabajo en instalaciones con conexiones de baja latencia.
En el mundo, "existen importantes necesidades de almacenamiento y computación en la nube en áreas con condiciones adversas, donde la baja comunicación, la disponibilidad de red interrumpida y el acceso limitado a la infraestructura especializada habrían impedido anteriormente aprovechar la computación en la nube", señaló Microsoft en su blog oficial.
Las barreras que plantean los entornos remotos se resuelven con el centro de datos modular, construido para "funcionar en una amplia variedad de climas y condiciones adversas", ya que además de ser transportable, ofrece una unidad blindada de radiofrecuencia resistente.
La ventaja de esta solución, como apuntan desde la compañía, es que se puede ejecutar con conectividad de red completa, "ocasionalmente conectada o desconectada por completo". Y trabaja junto con operadores de satélites, lo que permite utilizar las comunicaciones por satélite como conexión principal cuando no haya otra red disponible.
El nuevo sistema de inteligencia artificial que Microsoft emplea para poner las descripciones automáticas de las imágenes es capaz de realizar esta tarea con más precisión que los humanos, según informó la compañía a través de su blog oficial.
Microsoft ha presentado el nuevo modelo de IA que emplea para las descripciones automáticas de imágenes. Para su desarrollo, el equipo responsable ha utilizado un conjunto de imágenes emparejadas con etiquetas, cada una de ellas asignada a un objeto específico de la imagen.
La diferencia en este modelo es que no han empleado descripciones completas, sino etiquetas, ya que estas últimas son "más eficientes" y permiten "introducir muchos datos al modelo", explican en el blog oficial.
De esta forma han podido "preentrenar" al modelo con vocabulario visual, es decir, para que identifique palabras individuales con las imágenes correspondientes. Posteriormente, lo han ajustado para las descripciones sobre un conjunto de descripciones de imágenes, con lo que aprende a redactar una frase.
Este enfoque de aprendizaje permite que el modelo, cuando está ante una imagen con nuevos objetos, "aproveche el vocabulario visual para generar una descripción precisa". La compañía asegura que ante imágenes sin descripciones, la IA es capaz de generar descripciones más precisas que las que fueron escritas por personas.