Microsoft habla de la IA y el aprendizaje automático impulsados por el código abierto y la nube

Sí, Microsoft acaba de anunciar que la próxima edición importante de Windows 10 admitirá la inteligencia artificial (AI) y el aprendizaje automático (ML). Pero, dejando de lado la exageración del marketing, Microsoft sabe muy bien que el verdadero trabajo pesado para la IA y la ML ocurre en la nube con software de código abierto. Ese fue el mensaje que Mark Russinovich, Azure CTO de Microsoft, trajo a la Cumbre de Liderazgo de Código Abierto de la Fundación Linux (OSLS) en Sonoma, California.

Microsoft también está utilizando el potente uno-dos de la nube y el código abierto para impulsar la DiagnosticX Intelligent Disease Predictive Architecture. Este es un programa beta. Su primer uso es examinar imágenes de rayos X del repositorio de datos de rayos X del pecho del Instituto Nacional de la Salud (NIH). Esta información luego se aplica a los programas de análisis de ML y AI de código abierto como Core ML, Google TensorFlow y ONNX utilizando Visual Studio para AI y Azure Machine Learning. El resultado final, que se puede leer utilizando una interfaz web, es un programa que puede diagnosticar neumonía.

Lo que permite que estos programas sean creados, dijo Russinovich, es la nube. No habíamos avanzado mucho antes porque es solo ahora que la nube nos brinda lo que los desarrolladores de IA y ML siempre necesitaron. Se trata de un cómputo escalable a pedido con un bajo costo, almacenamiento prácticamente infinito y procesadores de GPU de alta velocidad como los Tesla K80 y P100 de Nvidia. Combinados, estos proporcionan a los desarrolladores de AI y ML los recursos que siempre han necesitado para permitirles experimentar. Y, como dijo Russinovich, "AI y ML son un arte, tenemos que experimentar".

Según Russinovich, las herramientas, programas y marcos para hacer que esto ocurra son casi todos de código abierto. "Comienza con MySQL PostgreSQL, Hadoop, Cassandra y las bases de datos NoSQL. Son todas de código abierto. Para el análisis y la predicción, utilizas R y SPARK. Y las bibliotecas de aprendizaje profundo más populares: TensorFlow, Keras y Caffe - también son todos de código abierto "