Fotolia

Gestionar Aprenda a aplicar las mejores prácticas y optimizar sus operaciones.

Amazon y Microsoft anhelan más aprendizaje automático en la nube

Gluon, una nueva interfaz de fuente abierta de Microsoft y Amazon, busca simplificar el aprendizaje automático en la nube, a medida que los proveedores reciben más de estas cargas de trabajo en sus plataformas.

Una asociación improbable entre dos pesos pesados ​​de tecnología simboliza cómo los vendedores en la nube priorizan el aprendizaje automático y el aprendizaje profundo para el futuro de sus plataformas.

Amazon Web Services (AWS) y Microsoft Azure son los dos proveedores de nubes públicas más populares, y este último intenta invadir el considerable liderazgo del primero en el mercado. Pero en un movimiento sorpresa, la pareja ha dejado de lado su rivalidad para crear Gluon, una biblioteca de aprendizaje profundo de código abierto destinada a automatizar ciertos procesos y hacer que el aprendizaje automático sea más accesible para los desarrolladores.

Ambas compañías, así como Google, IBM y otros, ven un gran potencial para el aprendizaje automático en la nube y las aplicaciones de aprendizaje profundo construidas en sus respectivas plataformas. Pero estas técnicas se limitan predominantemente a gente como científicos de datos, porque los desarrolladores típicos carecen de las habilidades para construir y entrenar los modelos que subyacen a estas aplicaciones.

Los proveedores de la nube venden máquinas virtuales basadas en unidades de procesamiento de gráficos para atraer a los científicos de datos a crear aplicaciones en la nube, y ofrecen APIs para modelos preconstruidos para el reconocimiento de imágenes y el procesamiento del lenguaje natural. Sin embargo, los esfuerzos para encontrar un término medio que proporcione cierta personalización, pero que no sea demasiado oneroso para los desarrolladores, todavía están en sus etapas embrionarias.

"El aprendizaje profundo no es para los débiles de corazón, y es diferente al aprendizaje tradicional de máquinas, con muchas capas más diferentes en una red neuronal", dijo Mike Gualtieri, analista de Forrester Research. "Lo que están tratando de hacer es facilitarlo cuando muchas de las cosas que debemos saber están detrás de escena".

Esta no es la primera vez que Amazon y Microsoft se asocian. Durante el verano, el par reveló planes para integrar sus respectivos asistentes de voz, Alexa y Cortana. Pero esta puede ser la primera vez que encabezan un proyecto de código abierto directamente relacionado con un mercado en la nube por el que luchan vigorosamente entre sí.

"[Microsoft y AWS] pretenden obtener una ventaja temprana para el usuario al simplificar radicalmente el proceso de aprendizaje y capacitación para un modelo de aprendizaje automático", dijo Arnal Dayaratna, analista de IDC. "Ven esto como un momento absolutamente crítico en el desarrollo de tecnologías para facultar a los desarrolladores a entregar aplicaciones de aprendizaje automático".

La falta de soporte de TensorFlow

Google Cloud Platform es visto como un tercer lugar en el mercado de la nube detrás de Azure y AWS, pero ya ha adoptado el aprendizaje automático en la nube como principio básico para diferenciar su plataforma y asegurar su futuro éxito en la nube con las perspectivas de big data e inteligencia artificial (AI). Google depende en gran medida de estas capacidades internamente –al igual que Microsoft y Amazon– y su biblioteca de código abierto TensorFlow para el aprendizaje automático reúne gran parte de la capacidad mental temprana en este espacio.

Gluon se basa en un marco de código abierto desarrollado por Amazon, denominado Apache MXNet, y trabajará con Microsoft Cognitive Toolkit en una versión futura. Amazon dijo que Gluon finalmente trabajará con otros marcos, pero no proporcionó más detalles.

Eso podría ser un problema para Gluon, particularmente cuando empresas como H20.ai liberan herramientas que integran múltiples marcos, como TensorFlow y Caffe.

Alexander Linden

"Tienen esta fantasía de que si ignoran TensorFlow, tal vez puedan crear un impulso para ellos y no para TensorFlow, lo cual me parece alucinante", dijo Alexander Linden, analista de Gartner. "Son eclipsados ​​por Google, especialmente cuando se trata de todos los modelos que se están desarrollando en TensorFlow".

Aún así, TensorFlow sigue siendo demasiado complejo para muchos desarrolladores, por lo que una opción de aprendizaje de máquina más digerible como Gluon tiene sentido, a pesar de sus exclusiones tempranas, dijo Linden.

El aprendizaje automático en la nube tiene limitaciones

En medio de toda la atención que los proveedores de la nube pública han puesto en el aprendizaje automático y el aprendizaje automático, los observadores de la industria dijeron que todavía no es un entorno ideal para la mayoría de estas cargas de trabajo, especialmente para cargas de trabajo más complejas. Linden estima que el 85% de las cargas de trabajo de aprendizaje automático ejecutadas por científicos de datos están sucediendo en las instalaciones, ya sea por el costo, la gravedad de los datos o los conjuntos de habilidades.

"Si solo quiero mojarme los dedos de los pies, por supuesto haré esto primero en la nube pública", dijo Linden. "Pero cuando me tomo realmente en serio las cosas y necesito más poder de cómputo de forma sostenible, entonces la nube pública se vuelve muy costosa".

Sobre el autor: Trevor Jones es redactor sénior para los sitios SearchCloudComputing y SearchAWS de TechTarget.

Este artículo se actualizó por última vez en noviembre 2017

Profundice más

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close