Conversión en productos con solo un botón de los modelos de inteligencia artificial
Descubra cómo el departamento de TI de Intel logra la conversión en producto de los modelos de inteligencia artificial con un botón, lo que les permite implementar la inteligencia artificial más rápida y a escala.
El grupo grande de inteligencia artificial de Intel trabaja en toda la empresa para transformar el trabajo crítico, optimizar los procesos, eliminar los obstáculos de escalabilidad y generar un valor empresarial significativo (más de USD 1500 millones de retorno de la inversión en el 2020). Nuestra labor permite desbloquear la potencia de los datos para hacer que los procesos empresariales de Intel sean más inteligentes, rápidos e innovadores, desde el diseño de los productos hasta la fabricación y las ventas y los precios.
El grupo de IA del departamento de TI de Intel cuenta con más de 200 científicos de datos, ingenieros de aprendizaje automático (ML) y expertos en productos de IA. Trabajamos de forma sistemática en las actividades centrales de Intel para ofrecer soluciones de IA que permitan optimizar los procesos y eliminar los diversos obstáculos de la escalabilidad. Usamos la IA para ofrecer un gran impacto empresarial y transformar las operaciones internas de Intel, incluida la ingeniería, la fabricación, la validación de hardware, las ventas, el desempeño y Mobileye. Durante la última década, hemos implementado más de 500 modelos de ML en la producción: solo el año pasado se implementaron más de 100 modelos.
Para permitir esta operación a escala, creamos Microraptor, un conjunto de capacidades de operaciones de aprendizaje automático (MLOps). MLOps es la práctica de elaborar, probar, implementar y mantener de forma eficiente el ML en la producción. Permite automatizar y supervisar todo el ciclo de vida del ML y posibilita una colaboración fluida entre todos los equipos, lo que tiene como resultado un tiempo de producción más rápido y resultados reproducibles.
Para habilitar MLOps, creamos una plataforma de conversión en productos de IA por cada dominio empresarial en el que trabajamos, como las ventas o la fabricación. Los modelos y los servicios de IA se entregan, implementan, administran y mantienen por sobre las plataformas de inteligencia artificial.
Nuestras capacidades de MLOps se reutilizan en todas nuestras plataformas de IA. Microraptor permite que las MLOps de clase mundial aceleren y automaticen el desarrollo, la implementación y el mantenimiento de los modelos de ML. Nuestro enfoque de producción de modelos permite evitar los obstáculos logísticos típicos que suelen impedir que los proyectos de IA de otras empresas lleguen a la producción. Nuestra metodología de MLOps nos permite implementar modelos de inteligencia artificial en la producción a escala mediante la integración continua/entrega continua, la automatización, la reutilización de los módulos para desarrollo y la integración de procesos empresariales.
Microraptor usa muchas tecnologías de código abierto para activar el ciclo de vida completo de MLOps, a la vez que se elimina la complejidad de estas tecnologías para los científicos de datos. Los científicos de datos no tienen que tener conocimientos sobre Kubernetes o Elasticsearch. Pueden centrar sus esfuerzos en encontrar o desarrollar el mejor modelo de ML. Una vez que el modelo está listo, un científico de datos simplemente puede registrar el modelo en MLflow (una plataforma de código abierto para administrar el ciclo de vida del ML de forma integral), a la vez que cumple con algunos estándares básicos de codificación. Todo lo demás, desde el desarrollo hasta las pruebas y la implementación, se produce de forma automática. Primero, se implementa el modelo como candidato de versión que se puede activar más tarde con solo presionar un botón en la plataforma de inteligencia artificial del dominio empresarial correspondiente.
Nuestra metodología de MLOps ofrece muchas ventajas:
- La plataforma de inteligencia artificial permite abstraer los detalles de implementación y la integración de procesos empresariales para que los científicos de datos puedan concentrarse en el desarrollo de modelos.
- Podemos implementar un nuevo modelo en menos de media hora, en comparación con días o semanas sin MLOps.
- Nuestras métricas de calidad sistemáticas permiten minimizar el costo y la labor necesarios para mantener los cientos de modelos que tenemos en producción.