La inteligencia artificial y el aprendizaje automático en Red Hat OpenShift

La inteligencia artificial y el aprendizaje automático (IA/ML) en Red Hat® OpenShift® utilizan 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 IA.

Red Hat OpenShift incluye funciones clave para habilitar las operaciones de aprendizaje automático (MLOps) de manera uniforme en los centros de datos, la nube pública y el edge computing.

Al aplicar los principios de DevOps y GitOps, las empresas automatizan y simplifican el proceso repetitivo de integración de los modelos de aprendizaje automático en los procesos de desarrollo de software, la implementación en producción, la supervisión, el entrenamiento nuevo 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 de open source de aprendizaje automático para diseñar las aplicaciones inteligentes.

En general, hay cuatro pasos en el ciclo de vida:

1. La recopilación y la preparación de los datos, para garantizar que no falte ninguno y que todos sean de buena calidad
2. El desarrollo de modelos, lo cual implica el entrenamiento, las pruebas y la selección del modelo que realice las predicciones más precisas
3. La integración de los modelos al proceso de desarrollo de las aplicaciones, y la realización de inferencias
4. La gestión y la supervisión de los modelos, para medir el rendimiento de la empresa y abordar los posibles desajustes de los datos en la producción

Los analistas de datos se encargan principalmente de crear los modelos de aprendizaje automático 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 adecuadas de ML (p. ej. Apache Spark, Jupyter Notebook, TensorFlow, PyTorch, entre otras)
• El tiempo que supone entrenar, probar, seleccionar y volver a entrenar el modelo de ML 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

Tanto los contenedores como Kubernetes son tecnologías fundamentales para acelerar el ciclo de vida del ML, ya que ofrecen a los analistas de datos la agilidad, la flexibilidad, la portabilidad y la capacidad de ajuste que necesitan para entrenar, probar e implementar los modelos de ML.

Red Hat® OpenShift® es la principal plataforma de Kubernetes y contenedores líder del sector para la nube híbrida. Gracias a que incorpora las funciones de DevOps (como OpenShift Pipelines, OpenShift GitOps y Red Hat Quay) y la integración con las unidades de agilización de las tareas por medio del hardware, los analistas de datos y los desarrolladores de software pueden trabajar mejor en conjunto. Además, acelera la implementación de las aplicaciones inteligentes en la nube híbrida (el centro de datos, el extremo de la red y las nubes públicas).

Red Hat OpenShift Data Science

Red Hat OpenShift AI es un portafolio de soluciones enfocadas en la inteligencia artificial y brinda herramientas a través del ciclo de vida completo de modelos y experimentos con AI/ML e incluye Red Hat OpenShift Data Science.

Red Hat OpenShift Data Science está disponible como servicio de nube gestionado y autogestionado para los analistas de datos y los desarrolladores de aplicaciones inteligentes. Ofrece un entorno de pruebas (sandbox) totalmente compatible que permite desarrollar, entrenar y probar rápidamente los modelos de ML 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 IA 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 ML, según sea necesario.

Agiliza las tareas de creación de modelos de ML que consumen muchos recursos informáticos

OpenShift se integra a las unidades conocidas para la agilización de las tareas por medio del hardware, 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 ML, 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 IA, y que también simplifiquen el proceso repetitivo de integración de los modelos de ML 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 aprendizaje automático 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 ML 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 aprendizaje automático.

• 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.

Red Hat Data Services se diseñó para abordar los requisitos de almacenamiento en petabytes en el ciclo de vida del aprendizaje automático, desde el ingreso y la preparación de los datos, hasta la creación de los modelos de ML y la etapa de inferencias. Su cartera de productos incluye Red Hat Ceph Storage, un sistema open source de almacenamiento definido por el software que ofrece soporte integral para el almacenamiento de archivos, bloques y objetos de S3, y brinda una gran capacidad de ajuste en el hardware básico del sector.

Por ejemplo, puede incorporar el almacenamiento flexible de Ceph a la aplicación en contenedores Jupyter Notebook en OpenShift a través de S3 o de los volúmenes permanentes.

Turkcell, el principal operador de telefonía móvil en Turquía, implementó Red Hat OpenShift como base para las cargas de trabajo de las aplicaciones que utilizan la IA. OpenShift le permitió crear una infraestructura con capacidad de respuesta para agilizar la distribución de estas aplicaciones, con lo cual redujo los tiempos de implementación de meses a segundos. Esto disminuyó los costos del desarrollo y las operaciones de la IA en un 70 %.

Royal Bank of Canada y Borealis AI, su instituto de investigación de inteligencia artificial, se asociaron con NVIDIA y Red Hat para desarrollar una plataforma informática nueva de IA que transforme la experiencia bancaria para los clientes y permita estar al tanto de los cambios rápidos en tecnología y las expectativas cambiantes de los clientes.

El proyecto Open Data Hub es una arquitectura funcional basada en Red Hat OpenShift, Red Hat Ceph Storage, Red Hat AMQ Streams y otros proyectos open source upstream que permite diseñar una plataforma abierta de aprendizaje automático con las herramientas necesarias.

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 IA. Esta plataforma cuenta con tecnologías fundamentales de NVIDIA y Red Hat para implementar, gestionar y ampliar las cargas de trabajo de IA de forma segura y uniforme en la nube híbrida, en los servidores dedicados (bare metal) o en los entornos virtualizados.

Los casos prácticos transformadores de IA/ML 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 aprendizaje automático para las aplicaciones que trabajan con inteligencia artificial.