El próximo nivel del Machine Learning y la IA es Vertex AI

Muchos ingenieros IT busca administrar imágenes, vídeos y conjuntos de datos, creando nuevos caminos de aprendizaje automático para entrenar y evaluar los modelos mediante algoritmos o códigos de entrenamiento personalizado. De este modo, se permite la implementación de modelos para casos de uso en línea en una infraestructura administrada y escalable.

Por ello, Google Cloud ha presentado recientemente Vertex AI, una plataforma de aprendizaje automático administrada, diseñada para acelerar la implementación y el mantenimiento de modelos de IA.

Este nuevo servicio proporciona imágenes docker para que los desarrolladores ejecuten entregas de predicciones a partir de los modelos entrenados con contenedores prediseñados para predicciones de TensorFlow o XGBoost, entre otros. Además, una rama de esta plataforma llamada Vertex ML Edge Manager, puede implementar y monitorear modelos en el borde.

Entre otras de sus características, Google afirma que la plataforma Vertex AI requiere menos líneas de código para entrenar un modelo que otros sistemas. Y, además, cuenta con los diferentes servicios de Google Cloud. Todo ello, se emplea para la construcción de modelos de Machine Learning. El resultado es un proceso de diseño e implantación mas simple de los modelos a escala.

Así pues, Vertex AI destaca por:

  • Crear y escalar modelos de aprendizaje automático personalizados en una plataforma de inteligencia artificial unificada.
  • Realizar tareas de desarrollo con herramientas de aprendizaje automático.
  • Desplegar más modelos en menos tiempo y reducir las líneas de código necesarias para crear modelos personalizados.
  • Emplear herramientas de operaciones de aprendizaje automático para gestionar los datos y modelos de manera fácil y segura.

Características

Vertex AI se caracteriza por cuatro motivos principales. En primer lugar, la plataforma cuenta con una interfaz unificada para el flujo de trabajo del Machine Learning. Segundo, dispone de APIs previamente entrenadas para diferentes ámbitos. Tercero, cuenta con una integración total de datos e IA. Y, por último, presenta compatibilidad con todos los frameworks de código abierto.

El hecho de disponer de una interfaz unificada implica crear modelos de aprendizaje automático en una API única contando con los servicios de Google Cloud. Todo ello, facilita entrenar y comprar modelos de manera sencilla con entrenamientos de código personalizado. Vertex AI almacena todos los modelos en un único repositorio central.

Vertex AI tiene como fin integrar sencillamente modelos de Machine Learning para traducción del lenguaje natural o para visión en diferentes aplicaciones ya existentes o para crear sus propias aplicaciones inteligentes.

También, mediante el uso de BigQuery ML Vertex IA permite crear y ejecutar modelos de aprendizaje automático en BigQuery, para ello, emplea consultas de SQL estándar en herramientas y hojas de cálculo de inteligencia empresarial.

Por último, esta plataforma se integra con frameworks de código abierto ampliamente utilizados, como TensorFlow o PyTorch, entre otros. Además, esta es compatible con todos los frameworks de aprendizaje automático mediante contenedores personalizados de entrenamiento y de predicción.

A continuación, se muestra una tabla de alguna de las principales herramientas con las que cuenta Vertex AI y sus funciones:

El próximo nivel del Machine Learning y la IA es Vertex AI

 

Ventajas

Vertex AI tiene entre sus beneficios que apenas requiere código al hacer uso de AutoML, como ya se ha mencionado, y por ello, se crean modelos rápidamente. Asimismo, se puede emplear Vertex AI junto con APIs entrenadas previamente en ámbitos como la visión artificial, el lenguaje y datos estructurados.

Además, esta plataforma cuenta con herramientas personalizadas que permite crear modelos avanzados de Machine Learning. Dichas herramientas son compatibles con la programación avanzada y requiere menos código para el entrenamiento de modelos, ya que cuenta con un amplio repertorio de bibliotecas personalizadas.

Asimismo, las herramientas empleadas para el aprendizaje automático eliminan las operaciones complejas del mantenimiento automático de los modelos u optimizan la ejecución de los flujos de procesamiento del Machine Learning, de tal manera que se emplean para suministrar diferentes funciones.

Por último, la implementación de los modelos esta respaldada por un servicio que ofrece Google de monitorización continua, permitiendo administrar los flujos de trabajo correctamente por los equipos en el análisis de daros para los modelos. De este modo, los modelos se entrenan, evalúan e implementan en producción de manera adecuada.

¿Quién ha usado Vertex AI?

Entre los casos de éxitos de las compañías que han usado Vertex AI se destaca el de ModiFace y el de Essence.

ModiFace pertenece a L’Oréal, empresa líder en el mercado de la cosmética, y va a la cabeza en la realidad aumentada basada en IA para la industria de la belleza. Esta compañía, ModiFace, crea nuevos servicios para probar productos de belleza como el color del pelo o el maquillaje virtualmente en tiempo real.

Así pues, está usando la plataforma de Google para entrenar sus modelos de IA y aplicarlos a sus servicios como el diagnóstico de la piel que se basa en miles de imágenes de investigación e innovación, de tal manera que al reunir todas estas investigaciones junto con el algoritmo de inteligencia artificial de ModiFace este servicio permite a las personas obtener una rutina de cuidado de la piel.

Por otro lado, Essence es una agencia de medios global impulsada por datos y mediciones que forma parte de WPP y está ampliando el valor de los modelos de la IA creados por los científicos de datos al integrar sus flujos de trabajo con los desarrolladores que utilizan Vertex AI. Mediante este cambio en la forma de operar, los modelos de IA creados por los científicos de datos pueden modificarse una vez han sido creados, adaptándose a los cambios continuos y constantes del comportamiento humano y del contenido de la web. Los modelos se pueden actualizar con regularidad para satisfacer las necesidades de los clientes y las necesidades comerciales que cambian rápidamente.

Vertex AI brinda a los científicos de datos la capacidad de crear rápidamente nuevos modelos basados en el cambio en el entorno y, al mismo tiempo, permite que los desarrolladores y analistas de datos mantengan modelos para escalar e innovar.

Casos de uso

Dentro de los casos de uso, Vertex AI se emplea para el etiquetado de datos de vértice con el fin de hacer que los modelos de Machine Learning realicen mejores predicciones. Asimismo, permite el seguimiento y visualización de modelos.

También, su herramienta Vertex Pipelines se emplea para simplificar procesos MLOps y para servicios de capacitación administrada. La precisión predictiva permite la simplificación del proceso de implementación de modelos en producción. De este modo, los desarrolladores pueden obtener métricas detalladas de evaluaciond e modelos.

Por último, Vertex ML Edge Manager, que se encentra en fase experimental, facilita la implementación y monitoriza sin problemas de inferencias de borde y procesos automatizados con APIs flexibles, facilitando la distribución de la IA en la nuble publica y privada, en dispositivos locales y de borde, entre otras de sus funcionalidades.

Conclusiones

Hasta ahora, cuando se entrenaban algoritmos, se tenían que ejecutar millones de imágenes de prueba, videos o lenguaje. Este era el caso de ModiFace, encargada de desarrollar servicios digitales de realidad aumentada e IA para la industria de la belleza.

Actualmente y gracias a Verte AI, se puede simplificar todo este proceso ya que es la plataforma que realiza el trabajo pesado. Esta tecnología dispone de los medios para realizar los cálculos y resolver los problemas más complejos, pudiendo hacer miles de millones de iteraciones y crear los mejores algoritmos.

En conclusión, Vertex AI es una plataforma de aprendizaje automático administrada, que se usa para implementar y mantener modelos de IA. La nueva plataforma reúne a AutoML y AI Platform en una API, una biblioteca de cliente y una interfaz de usuario unificadas.