Top 12 des annonces d’IA et d’apprentissage automatique sur AWS re:Invent 2021

Cette semaine, lors de sa conférence re:Invent 2021 à Las Vegas, Amazon a annoncé une multitude de nouveaux produits et mises à jour d’IA et d’apprentissage automatique dans son portefeuille Amazon Web Services (AWS). En ce qui concerne DevOps, les mégadonnées et l’analyse, parmi les points saillants figuraient une fonction de résumé des appels pour Amazon Lex et une capacité dans CodeGuru qui aide à détecter les secrets dans le code source.

L’adoption continue d’Amazon par l’IA intervient alors que les entreprises expriment leur volonté de piloter des technologies d’automatisation dans la transition de leurs activités en ligne. Cinquante-deux pour cent des entreprises ont accéléré leurs plans d’adoption de l’IA en raison de la pandémie de COVID, selon une étude de PricewaterhouseCoopers. Pendant ce temps, Harris Poll a révélé que 55% des entreprises ont accéléré leur stratégie d’IA en 2020 et 67% prévoient d’accélérer davantage leur stratégie en 2021.

Les initiatives que nous annonçons sont conçues pour ouvrir des opportunités éducatives en apprentissage automatique afin de le rendre plus largement accessible à toute personne intéressée par la technologie, a déclaré Swami Sivasubramanian, vice-président de l’apprentissage automatique d’AWS, dans un communiqué. L’apprentissage automatique sera l’une des technologies les plus transformationnelles de cette génération. Si nous voulons libérer tout le potentiel de cette technologie pour résoudre certains des problèmes les plus difficiles au monde, nous avons besoin des meilleurs esprits qui entrent dans le domaine de tous les horizons et de tous les horizons.

DevOps

Environ un an après le lancement de CodeGuru, un outil de développement basé sur l’IA qui fournit des recommandations pour améliorer la qualité du code, Amazon a dévoilé cette semaine le nouveau détecteur de secrets CodeGuru Reviewer. Outil automatisé qui aide les développeurs à détecter les secrets dans le code source ou les fichiers de configuration tels que les mots de passe, les clés API, les clés SSH et les jetons d’accès, Secrets Detector utilise l’IA pour identifier les secrets codés en dur dans le cadre du processus de révision du code.

L’objectif est de garantir que le tout nouveau code ne contient pas de secrets avant d’être fusionné et déployé, selon Amazon. En plus de détecter les secrets, Secrets Detector peut suggérer des étapes de correction pour sécuriser les secrets avec AWS Secrets Manager, le service géré d’Amazon qui permet aux clients de stocker et de récupérer des secrets.

Secrets Detector est inclus dans CodeGuru Reviewer, un composant de CodeGuru, sans frais supplémentaires et prend en charge la plupart des API de fournisseurs tels que AWS, Atlassian, Datadog, Databricks, GitHub, HubSpot, Mailchimp, Salesforce, Shopify, Slack, Stripe, Tableau, Télégramme et Twilio.

Entreprise

Contact Lens, un produit de centre d’appels virtuel pour Amazon Connect qui transcrit les appels tout en les évaluant simultanément, propose désormais un résumé des appels. Activé par défaut, Contact Lens fournit une transcription de tous les appels passés via Connect, le service de centre de contact cloud d’Amazon.

Dans un développement connexe, Amazon a lancé un concepteur de chatbot automatisé dans Lex, le service de l’entreprise pour la création d’interfaces vocales et textuelles conversationnelles. Le concepteur utilise l’apprentissage automatique pour fournir une conception initiale de chatbot que les développeurs peuvent ensuite affiner pour créer des expériences de conversation pour les clients.

Et Textract, le service d’apprentissage automatique d’Amazon qui extrait automatiquement le texte, l’écriture manuscrite et les données des documents numérisés, prend désormais en charge les documents d’identification, y compris les licences et les passeports. Sans avoir besoin de modèles ou de configuration, les utilisateurs peuvent extraire automatiquement des informations spécifiques et implicites des identifiants, telles que la date d’expiration, la date de naissance, le nom et l’adresse.

SageMaker

SageMaker, la plate-forme de développement d’apprentissage automatique dans le cloud d’Amazon, a bénéficié de plusieurs améliorations cette semaine, notamment un outil visuel sans code appelé SageMaker Canvas. Canvas permet aux analystes métier de créer des modèles d’apprentissage automatique et de générer des prédictions en parcourant des sources de données disparates dans le cloud ou sur site, en combinant des ensembles de données et des modèles de formation une fois que les données mises à jour sont disponibles.

Autre nouveauté, SageMaker Ground Truth Plus, un service clé en main qui emploie une main-d’œuvre experte pour fournir des ensembles de données de formation de haute qualité tout en éliminant le besoin pour les entreprises de gérer leurs propres applications d’étiquetage. Ground Truth Plus complète les améliorations apportées à SageMaker Studio, y compris une nouvelle façon de configurer et de provisionner des clusters de calcul pour les besoins de la charge de travail avec le soutien des praticiens DevOps.

Dans SageMaker Studio, SageMaker Inference Recommender, une autre nouvelle fonctionnalité, automatise les tests de charge et optimise les performances du modèle sur les instances d’apprentissage automatique. L’idée est de permettre aux ingénieurs MLOps d’exécuter un test de charge sur leur modèle dans un environnement simulé, réduisant ainsi le temps nécessaire pour faire passer les modèles d’apprentissage automatique du développement à la production.

Les développeurs peuvent accéder gratuitement à SageMaker Studio via le nouveau Studio Lab, qui ne nécessite pas de compte AWS ni de détails de facturation. Les utilisateurs peuvent simplement s’inscrire avec leur adresse e-mail via un navigateur Web et peuvent commencer à créer et à former des modèles d’apprentissage automatique sans obligation financière ni engagement à long terme.

SageMaker Training Compiler, une autre nouvelle fonctionnalité de SageMaker, vise à accélérer la formation de modèles d’apprentissage en profondeur en compilant automatiquement le code de programmation Python des développeurs et en générant des noyaux GPU spécifiquement pour leur modèle. Le code d’entraînement utilisera moins de mémoire et de calcul et s’entraînera donc plus rapidement, selon Amazon, réduisant les coûts et économisant du temps.

Enfin, sur le front de SageMaker, il y a l’inférence sans serveur, une nouvelle option d’inférence qui permet aux utilisateurs de déployer des modèles d’apprentissage automatique pour l’inférence sans avoir à configurer ou à gérer l’infrastructure sous-jacente. Avec l’inférence sans serveur, SageMaker provisionne, met à l’échelle et désactive automatiquement la capacité de calcul en fonction du volume de demandes d’inférence. Les clients ne paient que pour la durée d’exécution du code d’inférence et la quantité de données traitées, pas pour le temps d’inactivité.

Calculer

Amazon a également annoncé Graviton3, la prochaine génération de sa puce personnalisée basée sur ARM pour les applications d’inférence d’IA. Bientôt disponibles dans les instances AWS C7g, les processeurs sont optimisés pour les charges de travail, notamment le calcul hautes performances, le traitement par lots, l’encodage multimédia, la modélisation scientifique, la diffusion d’annonces et l’analyse distribuée, selon la société.

Parallèlement à Graviton3, Amazon a lancé Trn1, une nouvelle instance pour la formation de modèles d’apprentissage en profondeur dans le cloud, y compris des modèles pour des applications telles que la reconnaissance d’images, le traitement du langage naturel, la détection de fraude et la prévision. Il est alimenté par Trainium, une puce conçue par Amazon qui, selon la société, offrirait le plus grand nombre de téraflops de toutes les instances d’apprentissage automatique dans le cloud. (Un téraflop se traduit par une puce capable de traiter 1 000 milliards de calculs par seconde.)