Preguntas y respuestas: Felipe Chies, Amazon Web Services: Democratizando el aprendizaje automático

Amazon Web Services (AWS), el líder en infraestructura de nube pública, ahora cuenta con más de 200 servicios completos, que incluyen cómputo, almacenamiento, bases de datos, redes, análisis, robótica, Internet de las cosas (IoT), móvil, seguridad, híbrido, virtual y realidad aumentada (VR y AR), medios, desarrollo de aplicaciones, implementación, administración y aprendizaje automático e inteligencia artificial (AI). Para estos últimos, el mensaje es claro: AWS quiere democratizar las tecnologías de ML.

AWS tiene el conjunto más completo de servicios de inteligencia artificial y aprendizaje automático para todos los niveles de habilidad. Podría decirse que la más conocida es la plataforma Amazon SageMaker, un servicio completamente administrado que elimina el trabajo pesado, la complejidad y las conjeturas de cada paso del proceso de aprendizaje automático, lo que permite a los desarrolladores y científicos cotidianos utilizar con éxito el aprendizaje automático. Desde que AWS lanzó SageMaker en 2017, la compañía ha agregado más de 150 capacidades y funciones, y ya en diciembre de 2020 en re:Invent de ese año, cuando se llevó a cabo el primer discurso de aprendizaje automático, el mensaje era simple.

Como lo expresó SiliconAngle, el “objetivo general de la compañía es permitir que el aprendizaje automático se integre en la mayoría de las aplicaciones antes de que termine la década, haciéndolo accesible a más que solo expertos”.

Con la AI & Big Data Expo, que tendrá lugar en Ámsterdam los días 20 y 21 de septiembre, AI News habló con Felipe Chies, gerente sénior de desarrollo comercial para AI y ML para Benelux en AWS. Chies tiene una sólida experiencia en el campo, ya que cofundó la startup de semiconductores Axelera AI, que desde entonces ha sido incubada por Bitfury.

Chies habla sobre el tema de acelerar la innovación con aprendizaje automático sin código y con código bajo, y AI News habló con él sobre casos de uso clave, industrias y los diferentes productos de AWS:

Noticias de IA: cuéntenos sobre el conjunto general de productos de IA y aprendizaje automático de AWS, cómo habla de ellos con los clientes y cómo ayudan a democratizar el aprendizaje automático..

Felipe Chies: Estamos muy orgullosos de tener el conjunto de capacidades de aprendizaje automático más sólido y completo, y en AWS, siempre abordamos todo lo que hacemos centrándonos en nuestros clientes. Pensamos en nuestras ofertas de aprendizaje automático en tres capas diferentes. Primero viene Frameworks e interfaces para profesionales de aprendizaje automático. Estas son personas que se sienten cómodas construyendo modelos de aprendizaje profundo, trabajando con marcos de trabajo de aprendizaje profundo, construyendo clústeres, etc. Pueden llegar a ser extremadamente profundos. En segundo lugar, la capa intermedia hace que sea mucho más fácil y accesible para los desarrolladores y científicos de datos crear, entrenar, ajustar e implementar modelos de aprendizaje automático hoy con Amazon SageMaker. Y, por último, los servicios de aplicaciones, que permiten a los desarrolladores incorporar funciones de IA preconstruidas en sus aplicaciones sin tener que preocuparse por los modelos de aprendizaje automático que impulsan estos servicios. Muchos de nuestros servicios de API no requieren aprendizaje automático para los clientes y, en algunos casos, es posible que los usuarios finales ni siquiera se den cuenta de que se está utilizando el aprendizaje automático para impulsar experiencias con servicios como Amazon Kendra, Amazon CodeGuru, Contact Lens para Amazon Connect y Amazon HealthLake. . Los servicios facilitan mucho la incorporación de IA en las aplicaciones sin tener que crear y entrenar algoritmos de ML.

¿Cómo ayuda eso a la democratización?

Si queremos que el aprendizaje automático sea tan expansivo como realmente queremos que sea, debemos hacerlo mucho más accesible para las personas que no son profesionales del aprendizaje automático. Hoy en día, hay muy pocos de estos expertos por ahí. Por lo tanto, cuando creamos Amazon SageMaker, lo diseñamos como un servicio completamente administrado que elimina el trabajo pesado, la complejidad y las conjeturas de cada paso del proceso de aprendizaje automático, lo que permite a los desarrolladores y científicos cotidianos utilizar con éxito el aprendizaje automático. SageMaker es un cambio de nivel para los desarrolladores y científicos de datos cotidianos que pueden acceder y crear modelos de aprendizaje automático.

Para democratizar aún más el aprendizaje automático, lanzamos Amazon SageMaker Canvas, que permite a los usuarios comerciales y analistas generar predicciones de aprendizaje automático altamente precisas mediante una interfaz visual de apuntar y hacer clic, sin necesidad de codificación.

AI: ¿Qué tan sofisticado debe ser un cliente de AWS para usar sus herramientas de AI/ML?

FC: AWS quiere tomar la tecnología que hasta hace unos años solo estaba al alcance de un pequeño número de organizaciones bien financiadas y distribuirla lo más ampliamente posible. Lo hemos hecho con almacenamiento, informática, análisis, bases de datos y almacenamiento de datos, y hemos adoptado exactamente el mismo enfoque con el aprendizaje automático. Queremos que se distribuya lo más ampliamente posible.

AI: ¿Cuáles son los casos de uso comunes y las industrias que ve y cómo puede ayudar?

FC: Hoy en día, más de 100 000 clientes utilizan el aprendizaje automático de AWS. Un ejemplo de una industria en la que vemos mucho uso es la fabricación; y cadena de suministro. Con lo que ha sucedido en el mundo más recientemente, existen muchos desafíos en el área de la cadena de suministro, por lo que es muy importante poder pronosticar la demanda. Los clientes nos preguntan; ‘¿Cómo puede ayudarnos a anticiparnos a los cambios, anticiparnos a la demanda, ahorrar costos para hacer felices a nuestros clientes y entregar a tiempo?’ Ese tipo de cosas son comunes. Para fabricación, mantenimiento predictivo, control de calidad: esos son casos de uso fáciles para aplicar el aprendizaje automático. Para el mantenimiento predictivo, puede usar la visión artificial para realizar controles de calidad y más inspecciones. En marketing y ventas, se trata de nuevo de previsiones. Los pronósticos son un área donde es más fácil entender el valor que aporta al negocio.

AI: ¿Cuáles son los obstáculos clave para la adopción de ML en su opinión y por qué?

FC: Muchas de las organizaciones con las que hablo ya tienen una mentalidad de aprendizaje automático, así que eso no es un problema. Uno de los mayores desafíos en la actualidad es la acumulación de recursos humanos: hay mucho que hacer para los equipos de desarrollo. Una forma de resolverlo es atraer a más personas, pero ese es otro desafío, simplemente no hay suficientes especialistas, puede ser ciencia de datos, aprendizaje automático, ingeniería, es realmente difícil encontrar personas en el mercado.

Aquí es realmente donde entra en juego la democratización del aprendizaje automático. ¿Por qué no permitir que más personas en la empresa realicen aprendizaje automático? En lugar de tener solo científicos de datos e ingenieros de aprendizaje automático, ¿por qué no tener también analistas de negocios, finanzas o marketing? Un ejemplo de esto es una herramienta como Amazon SageMaker Canvas. Permite a los usuarios comerciales y analistas generar predicciones de aprendizaje automático de alta precisión utilizando una interfaz visual de apuntar y hacer clic, sin necesidad de codificación.

AI: ¿Qué le gustaría que los asistentes a AI & Big Data Expo aprendieran de su presentación principal?

FC: Hay personas que piensan que tal vez el aprendizaje automático es algo fuera de su alcance, necesitan ir y enviar un requisito al equipo de ciencia de datos y esperar semanas. Este no es realmente el caso, pueden comenzar en unos minutos. Esta conciencia de que las personas pueden usar el aprendizaje automático hoy en día sin necesidad de conocerlo, cómo construir modelos, ese es un punto clave.

¿Quiere aprender más sobre IA y big data de los líderes de la industria? Eche un vistazo a AI & Big Data Expo que tendrá lugar en Ámsterdam, California y Londres.

La publicación Preguntas y respuestas: Felipe Chies, Amazon Web Services: Democratizing ML apareció primero en AI News.