La inteligencia artificial y el machine learning en Red Hat OpenShift

La inteligencia artificial y el machine learning (IA/ML) en la plataforma aprovechan la versión autogestionada de OpenShift o los servicios de nube de Red Hat para agilizar sus flujos de trabajo y la distribución de las aplicaciones que usan la inteligencia artificial.

Red Hat OpenShift incluye las funciones esenciales para que las operaciones de machine learning  (MLOps) sean uniformes en los centros de datos, la nube pública y el edge computing.

Gracias a la aplicación de los principios de DevOps y GitOps, las empresas pueden automatizar y simplificar la tarea repetitiva de integración de los modelos de machine learning en los procesos de desarrollo de software, la implementación en la producción, la supervisión, el reentrenamiento y la reimplementación para lograr predicciones más precisas de forma permanente. 

Se trata de un proceso de varias etapas que permite aprovechar las grandes cantidades de datos de diferentes tipos, las numerosas funciones informáticas y las herramientas open source de machine learning para diseñar las aplicaciones inteligentes.

Los analistas de datos se encargan principalmente de crear los modelos de machine learning y de seleccionar el que garantice mayor precisión en las predicciones. 

Los desafíos más importantes que enfrentan son:

• La selección y la implementación de las herramientas de machine learning adecuadas (p. ej. Apache Spark, Jupyter notebook TensorFlow, PyTorch, etc.)
• El tiempo que supone entrenar, probar, seleccionar y volver a entrenar el modelo de machine learning que ofrece la mayor precisión en sus predicciones, y todas las complejidades asociadas
• La ejecución lenta de los procesos para crear modelos y realizar inferencias debido a la falta de sistemas de hardware ágiles
• La dependencia permanente del equipo de operaciones de TI para implementar y gestionar la infraestructura
• La colaboración con los ingenieros de datos y los desarrolladores de software para garantizar el buen estado de los datos que ingresan al sistema y la correcta implementación del modelo de ML en los procesos de desarrollo de las aplicaciones

Red Hat® OpenShift® es una plataforma de aplicaciones integrada para gestionar el ciclo de vida de la inteligencia artificial/machine learning a través de diferentes entornos de nube híbrida y en el borde de la red (edge). OpenShift simplifica la distribución de soluciones de inteligencia artificial de manera consistente y a escala al brindar acceso con auto-servicio a flujos de trabajo colaborativos,  poder computacional  intenso (GPUs) y operaciones optimizadas.

Red Hat OpenShift AI

Red Hat OpenShift AI ofrece herramientas a través de todo el ciclo de vida de experimentos y modelos de inteligencia artificial y machine learning para analistas de datos y desarrolladores de aplicaciones inteligentes. Ofrece un entorno de pruebas (sandbox) totalmente compatible que permite desarrollar, entrenar y probar rápidamente los modelos de machine learning en la nube pública antes de implementarlos en la producción.

Mejora el trabajo de los analistas de datos

• Les ofrece una experiencia uniforme y de autoservicio en toda la nube híbrida.
• Les brinda la flexibilidad y la portabilidad para que elijan las herramientas de ML organizadas en contenedores que desean utilizar, lo cual les permitirá diseñar, ajustar, replicar y compartir los modelos rápidamente.
• Les permite utilizar las herramientas más importantes de ML mediante los operadores de Kubernetes certificados de Red Hat, tanto para nuestro servicio de nube de inteligencia artificial como para la opción autogestionada.
• Elimina la dependencia del equipo de TI para preparar la infraestructura donde se llevarán a cabo las tareas repetitivas de creación de modelos de ML, las cuales consumen muchos recursos informáticos.
• Evita la dependencia de un solo proveedor de nube y de su cartera de herramientas de ML.
• Se integra directamente con las herramientas de CI/CD para agilizar la implementación constante de los modelos de machine learning, según sea necesario.

Agiliza las tareas de creación de modelos de machine learning que consumen muchos recursos informáticos

OpenShift se integra a las unidades para la agilización de las tareas por medio del hardware más utilizadas, como las unidades de procesamiento gráfico (GPU) de NVIDIA mediante el GPU Operator certificado por Red Hat. Esto le permite cumplir fácilmente con los requisitos de uso intensivo de los recursos informáticos y seleccionar el modelo que ofrezca las predicciones más precisas, así como las mejores inferencias de machine learning, a medida que recibe datos nuevos en la producción.

Desarrolla aplicaciones inteligentes

Las funciones de DevOps integradas en OpenShift permiten que las MLOps agilicen la distribución de las aplicaciones que utilizan inteligencia artificial, y que también simplifiquen el proceso repetitivo de integración de los modelos de machine learning y la reimplementación permanente para obtener predicciones más precisas.    

La implementación de las funciones de automatización de DevOps de OpenShift en el ciclo de vida del machine learning posibilita la colaboración entre los analistas de datos, los desarrolladores de software y los equipos de operaciones de TI para integrar rápidamente los modelos de machine learning al desarrollo de las aplicaciones inteligentes. Esto no solo ayuda a aumentar la productividad, sino también a simplificar la gestión del ciclo de vida de estas aplicaciones, las cuales utilizan la tecnología de machine learning.

• Aproveche el registro de imágenes de contenedores de los modelos con OpenShift Build.
• Desarrolle permanentemente aplicaciones inteligentes impulsadas por los modelos de ML con OpenShift Pipelines.
• Automatice la implementación continua de las aplicaciones inteligentes impulsadas por los modelos de ML con OpenShift GitOps.
• Utilice un repositorio de imágenes para crear versiones de los microservicios y de las imágenes de contenedores de los modelos con Red Hat Quay.

Las empresas de diversos sectores utilizan OpenShift para desarrollar aplicaciones inteligentes en la nube híbrida, lo cual les permite agilizar las iniciativas empresariales más importantes. Algunos ejemplos de casos prácticos son la detección de fraudes, los diagnósticos del estado basados en los datos, los vehículos conectados, la exploración de hidrocarburos, las cotizaciones automatizadas de seguros y el procesamiento de los reclamos.

Los casos prácticos transformadores de inteligencia artificial/machine learning surgen en los sectores automotriz, financiero, de la salud y de las telecomunicaciones, entre otros. Red Hat cuenta un sólido ecosistema de partners que ofrece soluciones integrales para crear, implementar y gestionar los modelos de aprendizaje profundo y machine learning para las aplicaciones que trabajan con inteligencia artificial.

Recientemente, NTT East lanzó el servicio Video AI que se ejecuta en Red Hat OpenShift y proporciona análisis de datos impulsado por edge computing a las empresas y los organismos de la región. 

Gracias a esta iniciativa, las empresas que utilizan las funciones más recientes de la inteligencia artificial pudieron incrementar sus ventas un 144 %, disminuir los robos entre un 30 % y un 40 % y mejorar su servicio al cliente.

Banco Galicia trabajó con Red Hat Consulting y diseñó en Red Hat OpenShift una solución de procesamiento del lenguaje natural (NLP) inteligente que se basa en la inteligencia artificial. Gracias a ella, logró acelerar el proceso de verificación de días a minutos, con un 90 % de precisión, y disminuyó un 40 % el tiempo de inactividad de las aplicaciones.

El potencial combinado de Red Hat OpenShift y el conjunto de sistemas de software NVIDIA AI Enterprise que se ejecuta en los sistemas certificados por NVIDIA ofrece una plataforma con capacidad de ajuste para agilizar diversos casos prácticos de inteligencia artificial. Esta plataforma cuenta con tecnologías fundamentales de NVIDIA y Red Hat para implementar, gestionar y ampliar las cargas de trabajo de inteligencia artificial de forma segura y uniforme en la nube híbrida, en los servidores dedicados (bare metal) o en los entornos virtualizados.