Microsoft impulsa a desarrolladores de Inteligencia Artificial a experimentar más

Microsoft anunció su nuevo servicio Azure Machine Learning Experimentation, junto con varias herramientas que ayudarán a los desarrolladores a acelerar su trabajo con Inteligencia Artificial (IA).

Microsoft reveló este nuevo servicio en su conferencia Ignite, este 25 de septiembre. La plataforma haría a los desarrolladores y científicos de datos más fácil lanzar y rastrear sus experimentos en IA.

Acelerar la tecnología, razón de que Microsoft impulsa a desarrolladores de Inteligencia Artificial

“Todo tiene que ver con la experimentación”, afirmó el Vicepresidente de la Nube IA en Microsoft, Joseph Sirosh.

[Tweet “#Microsoft lanzó un nuevo servicio para experimentar mejor con #InteligenciaArtificial”]

“El problema es que, como con la mayoría de las tecnologías emergentes, el ciclo de desarrollo iterativo en el campo de IA es lento y torpe”, expresó el ejecutivo.

Para remediar esto, su grupo de Nube IA lanzó el nuevo servicio, que está ahora en prevista pública.

Recursos mayores para desarrolladores de IA

El servicio ofrece a desarrolladores con recursos para lanzar un grupo mayor junto con la versión de control requerida para acelerar y rastrear de forma efectiva proyectos de AI.

Anclado por repositorios Git, el servicio Azure Machine Learning Experimentation permite a los usuarios crear una historia de cómo sus modelos evolucionan en el tiempo y usar esos aprendizajes para lanzar modelos de IA que trabajan mejor para sus aplicaciones en menos tiempo.

A diferencia de otras aproximaciones a construir software, la ciencia de datos y el desarrollo de IA son pocas veces un proceso lineal y a menudo tienen que ver con correr los mismos datos en muchos diferentes modelos.

Esto se hace para determinar cuál tiene los mejores resultados, de acuerdo a Sirosh. Para establecer flujos de trabajo sostenibles y repetibles, los proyectos se manejan con una herramienta simple de mando que maneja los ensayos.

El código, datos y configuración de cada experimento es rastreado, junto con sus resultados, incluyendo métricas clave, modelos y registros.

Facilidad de manejo de los datos

El resultado es una especie de ‘máquina del tiempo’, que permite a los usuarios comparar los experimentos y encontrar los que obtienen mejores resultados.

Al usar estas capacidades de rastreo, los desarrolladores y científicos de datos pueden rápidamente montar sus proyectos con parámetros y configuraciones exactos de a los ensayos que han tenido mejores resultados.

Adicionalmente, el servicio puede correr en múltiples ambientes computacionales, desde una laptop hasta contenedores locales Docker, así como en los servicios Spark y HDInsight, en la nube de Microsoft.

Con un simple cambio en la línea de instrucciones, los desarrolladores pueden rápidamente lanzar sus experimentos en la nube.

Una nueva aplicación, la Azure Machine Learning Workbench, para Windows y Mac, facilita el proceso de crear un ambiente en el cual correr proyectos y experimentos de IA.

Incluye un ambiente preconfigurado Python con Jupyter y otras herramientas para el desarrollador, así como la conectividad a servicios pertinentes de Azure.

Microsoft también busca mejorar el labororioso proceso de preparar datos para proyectos AI usando, curiosamente, más Inteligencia Artificial.

Las nuevas capacidades de la aplicación aceleran el proceso de transformar datos, usando Inteligencia Artificial para ello.

Todo esto incluye un grupo de librerías que manejan las fuentes de datos, permitiendo a los científicos de datos enfocarse en su código más que en ajustar sin fin las rutas de archivo y dependencias cuando se mueven entre ambientes.