Cómo AWS pretende democratizar el aprendizaje automático con servicios en la nube

Amazon Web Services Inc. ha hecho una gran apuesta por la inteligencia artificial y el aprendizaje por máquina, y es probable que esta apuesta se haga evidente el martes cuando su jefe de Inteligencia Artificial presente su discurso en la conferencia virtual re:Invent del gigante de las nubes que continúa esta semana.

Swami Sivasubramanian, vicepresidente de la IA de la Amazonia, dará la primera conferencia sobre el tema en re:Invent, una clara señal de que la AWS ve la IA y el aprendizaje automático como un área madura para la reinvención. El director general de AWS, Andy Jassy (en la foto), me dijo que 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 algo más que a los expertos.

«La gente contrata productos y servicios para hacer un trabajo», dijo. «Realmente no les importa lo que haces bajo las mantas».

En esta tercera parte de una serie de cuatro, Jassy proporcionó algunos indicios de lo que Sivasubramanian cubrirá en sus ponencias, así como el panorama más amplio de cómo AWS pretende que la IA y el aprendizaje automático sean una parte central de sus ofertas de nubes y cómo está intentando facilitar su uso a los meros mortales. La entrevista está ligeramente editada para mayor claridad.

Busca más información estratégica y competitiva de Jassy en mi resumen y análisis de la entrevista, así como en la primera y segunda parte, y hay una entrega más la próxima semana, la última semana de re:Invent. Y vean la cobertura completa de re:Invent por SiliconANGLE, su compañía hermana de investigación de mercado Wikibon y su estudio de transmisión en vivo theCUBE, ahora en su octavo año de cobertura de re:Invent.

Infundir aplicaciones con el aprendizaje de la máquina

P: Está claro que habrá mucho aprendizaje automático de la IA en las notas clave, y el jefe de IA de AWS, Swami Sivasubramanian, tiene su propia nota clave el 8 de diciembre. ¿Cuál es la oportunidad de AWS en el aprendizaje automático?

R: El año pasado la sección de aprendizaje de máquinas de mi discurso fue de 75 minutos. Así que pensamos que tal vez es hora de que iniciemos el aprendizaje automático. Swami hará un discurso dedicado al aprendizaje de la máquina donde tendrá muchas cosas de aprendizaje de la máquina. Ambos estamos sorprendidos por el ritmo con el que los clientes están adoptando el aprendizaje automático en AWS.

Si usted cree como nosotros que la mayoría de las aplicaciones se infundirán con el aprendizaje de la máquina en cinco a 10 años, todavía estamos en los primeros días. La forma en que priorizamos lo que estamos trabajando se manifiesta en unas pocas preguntas de los clientes. Una es ayudar a nuestros expertos en aprendizaje de máquinas a construir más fácilmente lo que necesitan. La gente se siente cómoda construyendo los modelos y entrenándolos y poniéndolos a punto y desplegándolos. Y quieren aumentar el rendimiento en cada marco de aprendizaje de máquinas que importa.

P: ¿Qué marcos de referencia son los más importantes?

R: Si recuerdas hace un par de años, mencioné en nuestro discurso de apertura que mientras TensorFlow era el marco que parecía resonar con la mayoría de la gente en ese momento, la única constante en el aprendizaje de la máquina que estábamos viendo era el cambio. Y si avanzamos rápidamente dentro de un par de años, y miramos el uso y tal vez incluso más como un indicador principal, la publicación de artículos que se construyen en los diferentes marcos de aprendizaje automático, PyTorch se utiliza al menos tanto como TensorFlow, y el 90% de la gente que hace aprendizaje automático utiliza al menos dos marcos y el 60% utiliza más de dos.

Aún es muy pronto para saber cuáles son los marcos. Tenemos equipos dedicados que no hacen nada más que trabajar en cada uno de esos marcos que importan a los clientes, para optimizar el rendimiento donde verán que el rendimiento funciona mejor en AWS o en cualquier otro lugar.

Y verás algunos de esos números en el discurso de Swami. Así que lo primero es cómo hacer más fácil para los expertos en aprendizaje de máquinas. Eso es sobre los marcos. Eso es sobre los chips. Como estaba hablando de Inferentia como ejemplo, para ayudar a hacer la inferencia de forma más rentable y rápida. No hay muchos expertos en aprendizaje de máquinas. Por lo tanto, nunca se extiende en la mayoría de las empresas si no se facilita a los desarrolladores y científicos de datos el uso del aprendizaje automático.

P: ¿Ahí es donde entra SageMaker, entonces?

R: Por eso construimos SageMaker. Pensamos en eso como la capa media de la pila. Y SageMaker ha cambiado totalmente el juego en la facilidad con la que los desarrolladores pueden construir, entrenar, afinar y desplegar modelos de aprendizaje automático a escala. Tenemos decenas de miles de clientes que están estandarizando en la parte superior de SageMaker. El año pasado nos viste lanzar SageMaker studio, que fue el primer entorno de desarrollo integrado para el aprendizaje automático. Y facilitó muchas cosas.

El equipo de SageMaker, por segundo año consecutivo, lanzó más de 50 películas en los últimos 12 meses. Así que es como uno por semana, pero verás en re:Inventar toda una serie de otras capacidades que hacen aún más fácil hacer algunas de las cosas más difíciles que tienes que hacer en el aprendizaje automático, y ser capaz de hacerlo bien en SageMaker.

El aprendizaje de la máquina democratizadora

P: ¿Qué más quiere la gente que haga AWS en el aprendizaje de las máquinas?

R: La gente nos pregunta mucho… «No quiero tener que construir ningún modelo. Sólo quiero enviarte datos, pasarlos por modelos que entrenas en AWS… …y luego devolver las respuestas y las predicciones a través de una API». Tenemos todos esos servicios de primera línea de la pila: reconocimiento de objetos, reconocimiento de video y texto a voz, habla a texto, traducción, OCR, personalización de búsqueda, predicción.

Y cuando se habla de servicios como la traducción o la transcripción, las ramificaciones de estar equivocado son tan bajas que cuando se obtienen buenos resultados, la gente simplemente los utiliza por defecto como su principal entrada. Pero cuando tienes servicios como el reconocimiento facial, o la predicción, o la calidad del código, donde las ramificaciones de estar equivocado son altas, normalmente lo que la gente está haciendo es usarlos como una entrada en una de las muchas entradas para tomar una decisión.

Lo último que los clientes nos han dicho cada vez más, «Creo que es increíble que tengas más selección y capacidad en las tres capas que se apilan, pero sólo queremos que se haga el trabajo». No nos importa si usas el aprendizaje automático. No quiero pensar en el aprendizaje automático». Como dijo Clay Christensen, autor de «El dilema del innovador»… la gente contrata productos y servicios para hacer un trabajo. En realidad no les importa lo que haces bajo las sábanas, pero contratan un producto para hacer un trabajo.

Hay muchas de estas capacidades. Puedes verlas por todos lados, con Connect, con cosas como Lentes de Contacto… y puedes ver gente que no quiere contratar el aprendizaje de la máquina [experts]. Quieren tener una forma más fácil de obtener análisis de llamadas automáticas en todas sus llamadas… pero en realidad sólo están tratando de contratarnos para el trabajo de hacer análisis de llamadas. Y lo que estamos encontrando es que cada vez más estamos utilizando el aprendizaje automático como la fuente para hacer esos trabajos, pero sin que la gente sepa necesariamente que eso es lo que estamos haciendo detrás de las escenas, sólo están viendo el trabajo que se hace.

P: ¿Así que ahora se preocupan menos por la característica o las velocidades y las alimentaciones, y se preocupan más por hacer el trabajo? ¿Hay algo específicamente que puedas compartir que veas que te salta a la vista desde el punto de vista de los servicios?

R: Mucho tiene que ver con quién quiere consumir los servicios y en qué capa. Y siempre he tenido en AWS un gran número de desarrolladores y constructores que quieren todos los bloques de construcción, y quieren hacer un montón de costuras juntas, como puedan imaginar, y quieren ese control, quieren esa flexibilidad. Y especialmente a medida que más y más gente se introduce en el desarrollo de software como profesión, ese grupo de personas va a ser grande y crecerá durante mucho tiempo.

Entonces tienes lo que yo consideraría algunos de los constructores que están dispuestos a sacrificar parte de esa flexibilidad y parte de ese control a cambio de conseguir el 80% del camino más rápido. Y quieren diferentes abstracciones. La formación de nubes es un buen ejemplo de eso cuando estás construyendo un lago de datos: En lugar de tener que construirlo con todos los controles y piezas… …Lake Formation te permite construir un lago de datos con todos estos controles y capacidades preestablecidos que te permiten llegar allí mucho más rápido.

Estudio de caso: El aprendizaje automático reinventa el centro de llamadas

P: ¿Qué caso de uso señalaría en el que la gente quiere que AWS se encargue de todo bajo las mantas?

R: Digamos que están comprando un producto de centro de llamadas. En realidad no les importa que el IVR [interactive voice response] se está haciendo a través de aprendizaje automático, o que los chatbots se están haciendo a través de aprendizaje automático, o que sus análisis de llamadas bajo las cubiertas se almacenan en S3. Y entonces estamos indexando y etiquetando todo. Y luego estamos haciendo la transcripción y el procesamiento del lenguaje natural que les permite buscar un término y decir, «Dame todas las llamadas, si fue un sentimiento negativo».

No les importa nada de eso. Todo lo que les importa es: «Quiero esperar y analizar por llamadas, básicamente pudiendo teclear, darme todas las llamadas donde hubo largos silencios, o darme todas las llamadas donde la gente está levantando la voz. Y francamente, me gustaría que fuera en tiempo real. Si eso se hace con un aprendizaje de máquina muy sofisticado o transcripciones en tiempo real, es genial. Pero todo lo que realmente me importa es que obtenga transcripciones en tiempo real de esas llamadas».

Q: Eso va a turbocar las aplicaciones verticales. Lo vemos en todas las verticales, desde las de entretenimiento, hasta las de petróleo y gas, pasando por las financieras. Pero usted mencionó Connect, el servicio de centro de llamadas en la nube de AWS, varias veces. ¿Hay algo más de Connect aparte de esto del centro de llamadas?

R: Bueno, creo que la pieza del centro de llamadas es bastante grande. Quiero decir, prácticamente todas las empresas necesitan un centro de llamadas. Y creo que tradicionalmente la gente piensa en un centro de llamadas como la gente que hace llamadas, la gente que responde a las llamadas, tienes que hacer que esa funcionalidad funcione, probablemente tenemos que hacer que funcione de forma crítica, pero hay tantas cosas que puedes hacer para cambiar cómo son estos centros de llamadas.

Son llamadas, es chat, es correo electrónico y SMS, son canales de Slack, y son muchos medios y canales diferentes y la gente quiere que sea fácil de configurar, fácil de ampliar y reducir, sólo pagar por las interacciones entre los agentes y los clientes. Y luego quieren muchas funcionalidades que faciliten el trabajo. La mayoría de los centros de contacto aún no tienen mucha visibilidad del sentimiento general y de los sentimientos de sus clientes sobre cómo lo están haciendo. Y piensa en los agentes, si tienes que contactar con alguien, muchas veces haces la pregunta y los agentes no tienen los datos delante de ellos para responder a la pregunta. Y estás interactuando con esa compañía en múltiples dimensiones y una mano no habla con la otra. Hay un montón de capacidades que todavía tienes que proporcionar a los centros de contacto.

Creo que puedes imaginarte un mundo en movimiento donde todos tus centros de contacto, los agentes trabajan desde casa, están usando Connect, están usando Workspaces para su escritorio virtual, están usando todo tipo de capacidades que les permiten optimizar su tiempo mucho mejor, y hacer mucho más por las empresas, y puedes empezar a pensar en que los agentes hagan más por tu negocio que sólo contestar llamadas.

Foto: AWS/livestream