A ascensão das arquiteturas distribuídas de Inteligência Artificial

Kaladhar Voruganti

A inteligência artificial (IA) existe desde a década de 1950, mas recentemente ganhou força na transformação digital das empresas e de nossas vidas pessoais. Desde digital twins, que criam modelos de simulação digital “vivos” de coisas físicas (por exemplo, avatares para aviões, carros etc.) até aplicativos de reconhecimento de voz em smartphones e assistentes domésticos, as máquinas estão ocupadas aprendendo tudo o que há para saber sobre nós e nosso mundo. Essa integração da IA em produtos e serviços B2B e B2C aumentará exponencialmente o uso de dados.

De acordo com pesquisa da PwC, a Inteligência Artificial deve ser a maior oportunidade comercial na economia digital global da atualidade. A PwC prevê que o produto interno bruto global será 14% maior em 2030 como resultado da IA — o equivalente a um adicional de $15,7 trilhões.[i]

Então o que aconteceu para criar esse surto de crescimento na tecnologia de IA? A resposta encontra-se na confluência dos seguintes motivos que estão tornando a Inteligência Artificial algo real:

1) Big data e análises em tempo real.

2) Maior acesso a hardwares escaláveis em cloud.

3) Inovação impulsionada pelos algoritmos de IA e Machine Lerning (ou ML), devido a um modelo de open source.

Com tantos dados sendo gerados a partir de indivíduos (média de usuários da Internet = 1,5 GB/dia), organizações (média de hospitais inteligentes = 3.000 GB/dia) e coisas (média de carros conectados = 4.000 GB/dia), os algoritmos de IA agora têm acesso a dados suficientes para construir modelos precisos.  Além disso, as clouds tornaram o processamento desses grandes conjuntos de dados rentável e também facilitaram o acesso às inovações ao disponibilizarem facilmente as bibliotecas de IA em open source. Assim, os algoritmos e técnicas de IA e ML (como redes neurais), que foram considerados demasiado lentos ou imprecisos, agora ganharam vida nova (por exemplo, o deep learning) e são mais precisos do que os seres humanos em tarefas como reconhecimento de imagem e de fala.

Três tendências da arquitetura de IA distribuída

Enquanto as arquiteturas de IA de primeira geração têm sido historicamente centralizadas (isto é, o modelo de construção e de uso são feitos em uma cloud centralizada), na Equinix vemos três tendências que irão acelerar as arquiteturas de IA corporativa distribuída:

Tendência nº 1: Arquiteturas de IA Centralizadas a Distribuídas

As arquiteturas de IA serão distribuídas e a construção do modelo de IA corporativa e a análise em si ocorrerão na edge, fisicamente mais perto das várias fontes que estão produzindo grandes volumes de dados. Por motivos de desempenho, segurança e custos, em muitos casos, não faz sentido mover conjuntos de dados massivos da edge para uma localização central. Vamos observar um típico uso de modelagem de IA para ilustrar melhor essas questões.

No caso de um avião, a capacidade de detectar falhas antes de um evento catastrófico é uma prioridade que pode salvar vidas. O modelo a seguir de IA de uma companhia aérea para detecção de anomalias demonstra a ampla importância das arquiteturas distribuídas de IA:

  • Podem haver quatro a seis terabytes de dados por avião por dia, que precisam ir para um local centralizado para modelagem. Para construir um modelo preciso, é necessário mover grandes conjuntos de dados de várias aeronaves para uma localização central. A movimentação de seis terabytes levará algumas horas nas redes mais rápidas disponíveis.
  • Agora se, em vez de mover esses conjuntos de dados enormes, for possível construir um ponto (possivelmente com modelagem abaixo do ideal) na edge e, em seguida, mover essa modelagem (na ordem de dezenas de gigabytes) para a central e construir um modelo global mais preciso com base nessas modelagens locais, esse processo será rentável e muito mais rápido.
  • Uma vez construído o modelo global final, você pode enviá-lo de volta para cada uma das localizações mais rapidamente e com menos custo, permitindo que cada localização tenha as mesmas informações e aproveite as mensagens valiosas de um modelo abrangente em tempo real que integra todo o conhecimento de modelagem de várias fontes.

Isso pode acontecer ao garantir que as tarefas de construção do modelo de IA sejam feitas na edge, próxima dos dispositivos finais, e ao abranger redes de dados distribuídas entre a edge e a central, que fornecem um único espaço para um gerenciamento mais simples das políticas.

Tendência nº 2: Construir modelos de IA utilizando múltiplas fontes de dados externos

O Gartner estima que uma aplicação típica de Inteligência Artificial em grande escala utiliza em média 10 fontes de dados externos para melhorar a precisão. Normalmente, as empresas adquirem dados de fontes externas (como dados meteorológicos, dados de tráfego, dados de marketing, etc.) por meio de acordos bilaterais e de uma maneira complicada, ad hoc. Além disso, de acordo com o IDC, 90% das grandes empresas irá vender dados como serviço, com venda de dados brutos, métricas derivadas, insights e recomendações até 2020 — até quase 50% em 2017.[ii]

Assim, estamos entrando na era dos mercados de IA/ML onde dados e algoritmos serão comprados e vendidos por empresas diferentes. No entanto, muitas destas empresas têm medo de monetizar seus dados porque temem que o comprador dos seus dados irá utilizá-los de forma não autorizada, mesmo quando contratos jurídicos estiverem em vigor.  Desse modo, um dos principais requisitos é que muitas dessas empresas querem conduzir suas transações em um local neutro em cloud, onde os participantes trarão os dados e algoritmos com dados operáveis em contêineres Docker. Por sua vez, o mercado fornecerá serviços para validar o conteúdo dos dados e algoritmos.

Essa plataforma de mercado deve ser em uma “zona desmilitarizada” e neutra, onde não se possa extrair os dados brutos, mas sim utilizar APIs seguras e algoritmos de IA validados para aproveitar a inteligência de dados sem remover os dados do mercado. Isso permite que as empresas monetizem dados/algoritmos valiosos sem comprometer o seu conteúdo no processo.

Tendência nº 3: As arquiteturas de IA irão aproveitar a inovação da cloud pública

A cloud pública está demonstrando uma taxa muito mais rápida de inovação do que qualquer outra infraestrutura de TI até o momento. Há fácil acesso para computação e armazenamento aparentemente infinitos. As clouds estão democratizando a Inteligência Artificial ao fornecer acesso a bibliotecas open source de IA e também ao fornecer ajuda com a construção de modelos de IA personalizados com base nos dados do usuário. Em alguns aspectos, as clouds estão seduzindo os clientes a levarem seus dados para a nuvem fornecendo estes serviços de IA.

Praticamente todo provedor de cloud de hiperescala global (como AWS, Google, IBM, Microsoft e Alibaba) está gastando até bilhões de dólares em investimentos em IA para desenvolver seus ecossistemas. De acordo com Bernie Trudel, presidente da Asia Cloud Computing Association, “O mercado de IA baseada em cloud verá uma taxa de crescimento anual 10 vezes maior, aumentando sua participação no mercado global de cloud computing de 1 a 10% até 2025.”[iii]

Entretanto, as empresas estão buscando aproveitar a inovação da Inteligência Artificial em múltiplas clouds públicas sem ficarem presas a um único provedor, e elas estão buscando soluções híbridas/multicloud para manter suas opções abertas e te aindar algum controle de gestão.

Em particular, elas estão:

1) Hesitantes em colocar seus dados sensíveis na cloud.

2) Desejosas em aproveitar a inovação de vários provedores de cloud.

3) Sensíveis com relação aos custos da migração de dados para a cloud.

Tudo isso está fazendo as empresas buscarem arquiteturas de IA multicloud onde os dados estão sob controle privado em um data center neutro e que possui alta conectividade e largura de banda para as múltiplas clouds.

A Equinix está ajudando as empresas a construir essas arquiteturas de IA híbridas/multicloud fornecendo uma plataforma que oferece serviços como:

1) Equinix Cloud Exchange Fabric (ECX Fabric) permite que as empresas movam os dados de modo confiável e consistente entre múltiplos locais e infraestruturas híbridas/multicloud com um alto desempenho e de maneira segura.

2) Equinix SmartKey™ permite que os clientes criptografem seus dados e computem os contêineres por meio de váras clouds enquanto armazenam suas senhas em um local neutro.

3) A plataforma global de 200 data centers Equinix International Business Exchange™ (IBX™) que, normalmente, estão a cerca de 1 a 2 milissegundos de distância dos data centers hyperscale com conectividade de 10 a 100G com muitos provedores de cloud.

Concluindo, a Equinix vê a tecnologia de inteligência artificial como uma tremenda oportunidade de crescimento para nossos clientes em todos os setores, e estamos prontos para ajudá-los a desenvolver arquiteturas de IA híbrida/multicloud distribuída, de alto desempenho, escalável e segura.

Saiba mais sobre a Plataforma Equinix e como você pode aproveitar a interconexão privada para desenvolver arquiteturas de IA distribuída que alcançam todos os lugares, interconectam-se a todos e integram-se com tudo.

[i]PwC, “A IA deve gerar ganhos de $15,7 trilhões para o PIB com melhorias de produtividade e personalização”, 2017.

[ii]IDC, “FutureScape: Previsões de 2018 para o setor de TI no mundo inteiro,” 2017.

[iii]IA baseada em cloud representou um crescimento 10 vezes maior, 2018.

Confira nossos outros posts sobre essas previsões:

5 previsões de TI para os negócios digitais em 2019

Abrindo caminho para a promessa do 5G

Kaladhar Voruganti
Kaladhar Voruganti VP, Technology Innovation | Equinix CTO Office