Computación en nube

La computación en nube es una tecnología transformadora que ofrece servicios informáticos -incluidos servidores, almacenamiento, bases de datos, redes, software, análisis e inteligencia- a través de Internet, a menudo denominada "la nube". Este modelo permite una innovación más rápida, recursos flexibles y economías de escala al permitir a los usuarios pagar únicamente por los servicios que consumen. Para las personas familiarizadas con los conceptos básicos del aprendizaje automático (ML), la computación en nube ofrece una plataforma potente y accesible para desarrollar, entrenar y desplegar modelos sin una inversión inicial significativa en hardware físico. Reduce los costes operativos y permite escalar la infraestructura de forma eficiente en función de las necesidades cambiantes, tal y como definen instituciones como el Instituto Nacional de Estándares y Tecnología (NIST). Este enfoque es fundamental para el desarrollo moderno de la Inteligencia Artificial (IA).

Conceptos clave y ventajas

La computación en la nube simplifica el acceso y el despliegue de aplicaciones que consumen muchos recursos, lo que resulta especialmente beneficioso para las tareas de IA y ML. En lugar de gestionar centros de datos físicos, los usuarios pueden aprovechar los servicios tecnológicos bajo demanda de los principales proveedores de la nube, como Amazon Web Services (AWS), Google Cloud Platform (GCP) o Microsoft Azure. Entre las principales ventajas se incluyen:

• Escalabilidad: Amplíe o reduzca fácilmente los recursos informáticos, como GPU o TPU, en función de las exigencias de las cargas de trabajo de ML, como el entrenamiento de modelos complejos de aprendizaje profundo (DL) o la gestión del tráfico de inferencia variable.
• Rentabilidad: Los modelos de precios de pago por uso eliminan la necesidad de grandes gastos de capital en hardware, permitiendo a los usuarios pagar sólo por el tiempo de computación y almacenamiento que utilizan, optimizando los costes de formación e implantación de modelos.
• Accesibilidad: Acceder a potentes recursos informáticos y hardware especializado desde cualquier lugar con conexión a Internet, facilitando la colaboración y permitiendo a particulares y organizaciones más pequeñas emprender proyectos de IA a gran escala utilizando herramientas como PyTorch o TensorFlow.
• Servicios gestionados: Los proveedores de la nube ofrecen servicios gestionados para bases de datos, almacenamiento de datos(lagos de datos), canalizaciones de MLOps y despliegue de modelos, lo que reduce la carga operativa de los equipos de desarrollo. Puede encontrar varias opciones de despliegue documentadas aquí.

Computación en nube en aplicaciones de IA/ML

La computación en nube es fundamental para los flujos de trabajo modernos de IA y ML, ya que proporciona la infraestructura y las herramientas necesarias. He aquí dos ejemplos:

1. Entrenamiento de modelos a gran escala: El entrenamiento de modelos de última generación como Ultralytics YOLO suele requerir una potencia de cálculo considerable y grandes conjuntos de datos (por ejemplo, el conjunto de datos COCO). Las plataformas en la nube proporcionan acceso a clusters de GPUs o TPUs de alto rendimiento, lo que permite a investigadores e ingenieros entrenar modelos de forma eficiente en horas o días en lugar de semanas o meses. Servicios como Ultralytics HUB Cloud Training eliminan la gestión de la infraestructura, lo que permite a los usuarios centrarse en el desarrollo de modelos utilizando sus conjuntos de datos personalizados.
2. Despliegue escalable de servicios de IA: Una vez que se ha entrenado un modelo ML, es necesario desplegarlo para realizar predicciones sobre nuevos datos(inferencia). Las plataformas en la nube ofrecen soluciones de alojamiento escalables, que permiten desplegar modelos como API capaces de gestionar un número fluctuante de solicitudes. Por ejemplo, un servicio de detección de objetos en tiempo real para analizar secuencias de vídeo puede escalar automáticamente sus recursos informáticos subyacentes en función de la demanda, garantizando un rendimiento constante para aplicaciones como la gestión del tráfico o el análisis de comercios minoristas. Explore varias soluciones de visión computerizada de Ultralytics que aprovechan la implementación en la nube.

Computación en nube frente a términos relacionados

Resulta útil distinguir la computación en nube de otros conceptos relacionados:

• Computación de borde: Mientras que la computación en nube se basa en centros de datos centralizados, la computación de borde procesa los datos más cerca de la fuente, en dispositivos locales o servidores de borde. Esto reduce la latencia y el uso de ancho de banda, por lo que es adecuado para aplicaciones en tiempo real como vehículos autónomos o automatización industrial, donde las respuestas inmediatas son críticas. La nube y el borde a menudo trabajan juntos en modelos híbridos. Obtenga más información sobre los principios de edge computing aquí. Los modelos Ultralytics pueden desplegarse en dispositivos edge.
• Computación sin servidor: La computación sin servidor es un modelo de ejecución construido sobre la infraestructura de la nube en el que el proveedor de la nube gestiona dinámicamente la asignación y el aprovisionamiento de servidores. Los desarrolladores escriben e implementan código en funciones (como AWS Lambda o Google Cloud Functions) sin necesidad de gestionar la infraestructura subyacente. A menudo se utiliza para aplicaciones basadas en eventos y microservicios, complementando los servicios en la nube tradicionales.

Conclusión

La computación en la nube proporciona una base flexible, escalable y rentable para el desarrollo y la implantación de IA y ML. Al aprovechar los recursos de la nube, los investigadores y desarrolladores pueden acelerar la creación y aplicación de modelos avanzados como los que ofrece Ultralytics, impulsando la innovación en diversos sectores, desde la sanidad hasta la agricultura. Ya sea para entrenar algoritmos complejos, desplegar servicios de inferencia o gestionar grandes conjuntos de datos, la nube ofrece herramientas e infraestructuras esenciales. Explore Ultralytics HUB para gestionar y entrenar modelos sin problemas, o navegue por el blog de Ultralytics para conocer las tendencias y soluciones de IA impulsadas por la infraestructura en la nube, con el apoyo de organizaciones como la Cloud Native Computing Foundation (CNCF) y la Cloud Security Alliance (CSA). También puede consultar la documentación de Ultralytics para obtener guías detalladas.