Computação em Nuvem

A computação em nuvem é a entrega sob demanda de serviços de computação — incluindo servidores, armazenamento, bancos de dados, redes, software, análise e inteligência — pela Internet ("a nuvem"). Em vez de possuir e manter sua própria infraestrutura de computação, as organizações podem acessar esses serviços de um provedor de nuvem como Amazon Web Services (AWS), Google Cloud ou Microsoft Azure. Este modelo permite uma inovação mais rápida, recursos flexíveis e economias de escala, tornando-o uma base essencial para a Inteligência Artificial (IA) e o Aprendizado de Máquina (ML) modernos. A ideia central, conforme definida pelo National Institute of Standards and Technology (NIST), é fornecer acesso de rede onipresente, conveniente e sob demanda a um pool compartilhado de recursos de computação configuráveis.

Como a Computação em Nuvem Funciona

Os provedores de nuvem mantêm uma rede global de data centers com enormes quantidades de hardware. Eles oferecem serviços por meio de diferentes modelos, sendo os mais comuns:

• Infraestrutura como Serviço (IaaS): Fornece recursos de computação fundamentais, como máquinas virtuais, armazenamento e rede. Isso oferece aos usuários o máximo de controle e é ideal para ambientes de deep learning personalizados.
• Plataforma como Serviço (PaaS): Oferece uma plataforma que permite aos clientes desenvolver, executar e gerenciar aplicativos sem a complexidade de construir e manter a infraestrutura. Isso inclui bancos de dados gerenciados e serviços Kubernetes.
• Software como Serviço (SaaS): Fornece aplicativos de software pela internet em regime de assinatura. O Ultralytics HUB é um exemplo de uma plataforma SaaS que fornece ferramentas para treinar e gerenciar modelos de visão computacional.

Esta estrutura permite benefícios importantes como economia de custos, escalabilidade global, alto desempenho e segurança de dados aprimorada, que são geridos em parceria com organizações como a Cloud Security Alliance (CSA).

Importância em IA e Aprendizado de Máquina

A nuvem é o principal motor para o desenvolvimento de IA atualmente. Treinar modelos avançados, como o Ultralytics YOLO, requer imenso poder computacional e dados, o que muitas vezes é impraticável de hospedar localmente.

Os principais usos incluem:

• Treino de Modelos Poderosos: A cloud fornece acesso a hardware de alto desempenho como GPUs e TPUs necessários para treino distribuído em grandes conjuntos de dados. Plataformas como o Ultralytics HUB Cloud Training aproveitam isto para acelerar o desenvolvimento de modelos.
• Gerenciamento de grandes conjuntos de dados: Os modelos de IA são treinados em grandes quantidades de dados de treinamento. As soluções de armazenamento em nuvem fornecem repositórios escaláveis e acessíveis para esses conjuntos de dados, desde o ImageNet até coleções personalizadas para tarefas específicas, como detecção de objetos.
• Implantação de Modelo Escalável: Uma vez que um modelo é treinado, ele pode ser implantado na nuvem para inferência em tempo real. A natureza elástica da nuvem permite que as aplicações se ajustem automaticamente para lidar com a demanda flutuante, um princípio fundamental do MLOps. Você pode aprender mais sobre diferentes opções de implantação de modelo em nossa documentação.

Aplicações no Mundo Real

1. IA na Indústria Automotiva: Empresas que desenvolvem veículos autônomos coletam petabytes de dados de direção. Elas usam clusters de GPUs baseados em nuvem para treinar e validar modelos de percepção que podem identificar pedestres, veículos e placas de trânsito, um processo detalhado em nossa página de soluções de IA na Indústria Automotiva.
2. IA na área da saúde: Um hospital de pesquisa pode usar um ambiente de nuvem seguro e compatível com a HIPAA para treinar um modelo de diagnóstico para análise de imagem médica. Ao reunir dados anonimizados, eles podem construir um modelo robusto usando uma estrutura como o PyTorch para detectar anomalias em raios-X ou ressonâncias magnéticas, levando a diagnósticos mais rápidos e precisos para uma melhor IA na área da saúde.

Computação em Nuvem vs. Conceitos Relacionados

• Computação Serverless: Computação serverless é um modelo de execução dentro da computação em nuvem, não uma alternativa a ela. Enquanto a computação em nuvem mais ampla pode envolver o gerenciamento de servidores virtuais (IaaS), serverless abstrai todo o gerenciamento de servidores. Você simplesmente fornece o código (como funções), e o provedor de nuvem provisiona automaticamente os recursos para executá-lo, escalando de zero a volumes massivos conforme necessário.
• Edge Computing: Edge computing envolve o processamento de dados localmente em dispositivos na "borda" da rede, perto da fonte de dados. Isso é o oposto do modelo centralizado de computação em nuvem. No entanto, eles são frequentemente usados juntos em uma abordagem híbrida. Por exemplo, um dispositivo Edge AI como um NVIDIA Jetson pode realizar a detecção inicial de objetos e, em seguida, enviar apenas metadados relevantes para a nuvem para armazenamento de longo prazo, agregação ou análise mais intensiva. Essa abordagem combina a baixa latência da borda com o poder massivo da nuvem. Você pode encontrar mais informações em nosso blog sobre implantação de aplicativos em dispositivos de borda.