L'intelligence artificielle reçoit un énorme coup de pouce Kubernetes

Carmine Rimi de Canonical

Selon une étude de l'Université de Stanford, le nombre de start-ups d'intelligence artificielle (IA) lancées depuis le début du siècle a été multiplié par 14. Rien qu'au Royaume-Uni, déclare Carmine Rimi, chef de produit IA chez Canonical – l'entreprise derrière Ubuntu,  Les développeurs d'IA ont été témoins d'une augmentation de 200 % du financement en capital-risque au cours de la seule année écoulée ; alors que le potentiel de transformation de l'IA dépasse toutes les frontières.

La création d'applications d'IA pour améliorer les façons de faire des affaires et, en fait, la vie des gens est une tâche énorme. Ces applications sont compliquées à développer et à construire, car elles impliquent des types de données très variés; rendant le portage sur différentes plates-formes difficile.

Au-delà de ces défis, plusieurs étapes sont nécessaires à chaque étape pour commencer à construire même l'application d'IA la plus basique. Un éventail de compétences est nécessaire, y compris l'extraction de caractéristiques, la vérification et l'analyse de la collecte de données et la gestion des ressources machine, pour étayer un sous-ensemble relativement petit du code ML réel. Il y a beaucoup de travail à faire avant de prendre position sur la ligne de départ; ainsi qu'un grand effort continu pour maintenir les applications à jour. Tous les développeurs cherchent des moyens de relever ces grands défis.

Contenez-vous

Le résultat de cette recherche, pour maintenir les applications à jour et équilibrer les charges de travail dans le développement d'applications, aboutit souvent à la même réponse :Kubernetes. Cette plate-forme open source peut être un facilitateur, car elle peut automatiser le déploiement et la gestion d'applications conteneurisées, comprenant des charges de travail complexes telles que l'IA et le Machine Learning. Kubernetes a apprécié quelque chose de spectaculaire parce qu'il est capable de ces choses, mais aussi en tant que plate-forme d'orchestration de conteneurs.

Forrester a récemment déclaré que « Kubernetes a gagné la guerre pour la domination de l'orchestration de conteneurs et devrait être au cœur de vos plans de microservices ». Les conteneurs offrent un environnement compact dans lequel les processus fonctionnent. Ils sont simples à mettre à l'échelle, portables sur une gamme d'environnements et, par conséquent, ils permettent de diviser de grandes applications monolithiques en microservices ciblés et plus faciles à entretenir. La majorité des développeurs déclarent tirer parti de Kubernetes à différentes étapes de développement, selon une enquête de la Cloud Native Computing Foundation. 

La plupart des entreprises utilisent ou prévoient de commencer à utiliser Kubernetes comme plate-forme pour les charges de travail. Bien sûr, l'IA est une charge de travail qui prend rapidement de l'importance. Kubernetes est idéal pour cette tâche, car les algorithmes d'IA doivent pouvoir évoluer pour être efficaces. Certains algorithmes d'apprentissage en profondeur et ensembles de données nécessitent une grande quantité de calcul. Kubernetes peut vous aider ici, car il se concentre sur la mise à l'échelle de la demande.

Kubernetes peut également fournir une feuille de route pour déployer des charges de travail compatibles avec l'IA sur plusieurs serveurs de produits, couvrant le pipeline logiciel, tout en faisant abstraction de la surcharge de gestion. Une fois les modèles formés, les servir dans différents scénarios de déploiement, du calcul de périphérie aux centres de données centraux, est un défi pour les formulaires de demande non conteneurisés. Une fois de plus, Kubernetes peut libérer la flexibilité nécessaire pour un déploiement distribué d'agents d'inférence sur une variété de substrats.

Changement de focus

Alors que les entreprises portent leur attention sur l'IA pour réduire les coûts d'exploitation, améliorer la prise de décision et répondre aux besoins des clients de nouvelles manières, les conteneurs basés sur Kubernetes deviennent rapidement la technologie numéro un pour aider les entreprises à adopter l'IA et l'apprentissage automatique. En décembre dernier, le projet Kubernetes a dévoilé Kubeflow, qui vise à rendre les déploiements de workflows d'apprentissage automatique sur Kubernetes simples, portables et évolutifs.

Alors que Kubernetes a commencé avec uniquement des services sans état, le projet a déclaré que les clients avaient commencé à déplacer des charges de travail complexes vers la plate-forme, en tirant parti des « API riches, de la fiabilité et des performances » de Kubernetes. L'un des cas d'utilisation de Kubernetes qui connaît la croissance la plus rapide est celui de la plate-forme de déploiement de choix pour l'apprentissage automatique.

Début 2017, seul le Google Cloud Platform est compatible avec Kubernetes, avec son Google Kubernetes Engine. Au point culminant de l'année, tous les principaux fournisseurs de cloud public étaient de la partie. Surtout, après Microsoft ajout de la prise en charge de Kubernetes à Azure Container Service et Amazon a lancé Amazon Elastic Container Service pour Kubernetes.

Les façons dont Kubernetes est déployé et exploité par les entreprises sont apparemment illimitées. Dans une durée de vie relativement courte, Kubernetes a accompli beaucoup de choses. Cela souligne à quel point les fournisseurs de technologies et leurs clients se précipitent sur l'idée que les conteneurs offrent d'énormes avantages dans le développement et la gestion des parties IA des applications. L'émergence de l'IA suscite un énorme intérêt pour les conteneurs afin d'introduire la répétabilité et la tolérance aux pannes à ces charges de travail complexes.

Kubernetes devient de de facto match standard et fantastique pour gérer les applications d'IA conteneurisées. Il a fait ses preuves et devrait continuer à profiter aux entreprises pendant longtemps.

L'auteur est Carmine Rimi, chef de produit IA chez Canonical.