Il cloud commerciale che era una volta sinonimo del compito banale di esternalizzazione dell’hardware è diventato sempre più importante per i servizi e le capacità analitiche che possono essere costruite quando il calcolo della potenza non è più un limite. In nessun luogo questo è più evidente che nel mondo dell’apprendimento profondo. Aziende come Google non solo forniscono accesso a hardware collaudato e collaudato , ma avvolgono questi sistemi con offerte analitiche point-and-click e su scala di dati che stanno sempre più democratizzando l’ accesso all’IA. L’apprendimento profondo nel cloud oggi non si limita più solo all’outsourcing del calcolo, ma in realtà si unisce alla prima fila della rivoluzione dell’IA stessa.
Gli albori del cloud commerciale sono stati in gran parte relegati ai compiti poco chiari di migrazione dei carichi di lavoro dai rack di computer locali in metallo fino ai data center remoti virtualizzati. L’attenzione era spesso rivolta al sollevamento e al trasferimento di applicazioni verso i data center che offrivano scalabilità e affidabilità quasi sconosciute negli ambienti locali. Mentre era banale rispetto alla “nuvola” odierna, questa era iniziale era enormemente trasformativa nel consentire il tipo di servizi digitali che vediamo oggi, anche se l’obiettivo principale era semplicemente il calcolo dell’outsourcing.
Con la maturazione del cloud, l’attenzione si è concentrata sui servizi che possono essere costruiti su infrastrutture quasi indescrivibili.
Dalle piattaforme di analisi chiavi in mano come BigQuery ai database globali come Spanner , l’elenco infinitamente scorrevole di tutti i prodotti e servizi che compongono il cloud di Google oggi testimonia quanto il cloud moderno sia diventato oltre il semplice noleggio di macchine virtuali.
Soprattutto, lavorare nel cloud non è come comprare un software tradizionale. Piuttosto che una singola istantanea nel tempo o gli aggiornamenti annuali al meglio, il cloud rappresenta un’era di miglioramento continuo. I prodotti cloud possono ricevere dozzine di aggiornamenti al giorno.
Alcune modifiche sono invisibili, come un’infrastruttura hardware più veloce e più scalabile, più resilienza e scalabilità e minore latenza con l’aggiunta costante di nuovi data center in tutto il mondo.
Altri sono più visibili, come nuove funzionalità, interfacce e opzioni e algoritmi migliorati.
In nessun luogo questo è più importante che nel mondo in rapida evoluzione del deep learning. L’acceleratore hardware, gli algoritmi, le interfacce, i toolkit, i flussi di lavoro e le metodologie stanno cambiando a velocità di curvatura. L’hardware sanguinante di oggi è la reliquia obsoleta del prossimo trimestre. La migliore progettazione algoritmica di oggi è la metodologia ammortizzata del mese prossimo.
Mentre la velocità alla quale procede la rivoluzione AI è veloce anche per le aziende più grandi, il cloud può contribuire a ammortizzare il colpo di frusta inerente allo sviluppo di sfruttare un campo così in rapido sviluppo.
La possibilità di noleggiare hardware all’avanguardia nel secondo significa che le aziende hanno sempre accesso all’ultimo hardware assoluto e possono scalare fino alle dimensioni di cui hanno bisogno per addestrare e testare i loro modelli, quindi ridimensionare fino allo zero all’istante. Allo stesso modo, quando si implementano i loro modelli finali nella produzione, le aziende non devono acquistare costose infrastrutture di accelerazione sufficienti a soddisfare la loro domanda anticipata nel caso peggiore. Possono scalare in modo fluido in tempo reale ai carichi di traffico in tempo reale. Il cloud consente inoltre di andare oltre gli acceleratori tradizionali disponibili in commercio per sfruttare il silicio su misura come i TPU che alimentano Google stesso.
I modelli predefiniti come video , immagini , parlato , testo e traduzione sono tutti disponibili in API chiavi in mano, pronti per l’implementazione della produzione.
Modelli completamente nuovi possono essere creati da zero con semplicità point-and-click , sfruttando l’apprendimento del trasferimento dai massicci investimenti di Google in dati di addestramento e ottimizzazione algoritmica.
L’infrastruttura gestita supervisiona l’intera pipeline di sviluppo dalla formazione alla distribuzione, consentendo anche l’intera pipeline condivisa in modo sicuro all’interno di un’organizzazione con facilità plug-and-play.
Ancora più importante, Google non è una società di cloud tradizionale che scrive software per altri utenti. Gli strumenti che costruisce derivano direttamente dai propri bisogni come uno dei protagonisti della rivoluzione dell’IA stessa. Ciò significa che le sue offerte AI non solo migliorano costantemente con nuove funzionalità e accuratezza sempre maggiore, ma che l’ecosistema circostante di strumenti, flussi di lavoro e ciclo di sviluppo riflette le esigenze di Google alla frontiera.
Nel cloud, tutti questi miriadi di pezzi del puzzle dell’IA si uniscono in un insieme senza soluzione di continuità. Da API predefinite e analisi sul posto a cicli di sviluppo accelerati per nuovi modelli di clienti fino al supporto all’avanguardia per la ricerca di frontiera, l’intero continuum AI è disponibile in un unico posto, utilizzando gli stessi strumenti, metodologie e mentalità familiari.
Un’azienda può iniziare il suo viaggio nell’IA utilizzando le API dell’offerta di Google . Man mano che si laurea per realizzare i propri modelli personalizzati, può utilizzare AutoML per personalizzare le offerte all’avanguardia di Google senza scrivere una singola riga di codice di deep learning o avere alcuna comprensione dell’apprendimento in sé. Dall’acceleratore hardware si collegano agli algoritmi che li alimentano, questi servizi vengono migliorati quotidianamente, il che significa che anche senza un singolo esperto di IA interno, le aziende stanno essenzialmente acquistando l’accesso all’investimento di sviluppo di IA di Google per procura.
Nel corso del tempo, poiché l’azienda si avvale di esperti di deep learning, può sfruttare tutta la gamma di servizi AI di cloud per costruire da zero i propri modelli e algoritmi sfruttando l’hardware, l’esecuzione e gli ecosistemi di sviluppo che supportano i prodotti di Google.
Ovviamente, Google non costruisce semplicemente API AI per uso commerciale. Effettua in realtà molte delle ricerche di frontiera nell’intelligenza artificiale, il che significa letteralmente pioniere di molti dei progressi del settore stesso, che sono costantemente alimentati nelle sue offerte cloud. Man mano che queste nuove funzionalità si classificano nelle offerte di produzione, si inseriscono perfettamente nei flussi di lavoro esistenti.
Mettendo tutto questo insieme, il cloud molto tempo fa è diventato qualcosa di più che semplicemente l’outsourcing dell’hardware. Oggi si tratta della ricca gamma di servizi e capacità analitiche che diventano possibili quando le risorse computazionali non sono più un fattore limitante. Quando si tratta del mondo in rapida evoluzione del deep learning, il cloud offre alle aziende l’accesso all’ultimo hardware, agli strumenti più recenti e un ecosistema di strumenti e una pipeline di sviluppo alimentati dalla ricerca di intelligenza artificiale di Google alla frontiera.
Alla fine, condurre l’intelligenza artificiale nel cloud non significa semplicemente esternalizzare o ottenere l’accesso a uno specifico acceleratore. Si tratta di unirsi alla prima fila della rivoluzione dell’IA stessa.