Comment Amazon Web Services compte détrôner Google dans l'IA
Depuis 2016, AWS met les bouchées doubles pour construire une offre cloud d'IA digne de ce nom. En vue de combler son retard, notamment vis-à-vis de Google, considéré comme le champion du domaine, le groupe a déroulé les services ces dernières années : Amazon Rekognition pour la reconnaissance d'images, Amazon Transcribe pour le speech-to-text, Amazon Polly pour le text-to-speech, Amazon Comprehend pour la compréhension du langage naturel (NLP) ou encore Amazon Lex pour le pilotage d'interfaces conversationnelles. A ces briques sont venus s'ajouter AMI AWS Deep Learning pour configurer des grappes de serveurs AWS dédiées au machine learning et SageMaker, un environnement complet de data science.
Lors de son événement client 2018 re:Invent, qui se tenait du 26 au 30 novembre à Las Vegas, AWS a remis le couvert. Le cloud américain entend désormais démocratiser l'intelligence artificielle via une stratégie combinant outillage, écosystème de partenaires et politiques de verticalisation. Amazon a notamment inauguré une place de marché dédiée à l'IA. Pour l'heure, elle compte quelque 150 algorithmes et modèles de machine learning proposés par une quarantaine d'éditeurs aux côtés d'AWS lui-même. Parmi ces fournisseurs figurent aussi bien des prestataires de services (comme Wipro, LexisNexis) que des fournisseurs de technologies (Intel, Tibco) et des pure players (Haptik, Knime). La marketplace est accessible depuis SageMaker.
La solution cloud de data science d'AWS fait quant à elle l'objet de plusieurs améliorations. Elle s'enrichit d'une fonctionnalité, baptisée Ground Truth, taillée pour épauler l'humain dans la labellisation des données en amont des phases d'auto apprentissage. Rappelons que cette étape est clé en vue d'aboutir à des modèles de machine learning de qualité. Ground Truth fait elle-même appel au machine learning en vue d'automatiser au maximum le traitement. SageMaker est également équipé pour l'occasion d'une couche de reinforcement learning (SageMaker RL), une technique d'IA avancée qui s'inspire du processus humain et animal d'acquisition des connaissances par essais-erreur. Pour orienter les choix dans la direction voulue, ce type d'algorithme valide les décisions prises par le système via un mécanisme de récompense.
Une puce taillée pour l'IA
Côté pilotage des déploiements, AWS en profite pour équiper SageMaker d'un outil baptisé Neo, conçu pour optimiser les modèles d'IA une fois mis en œuvre. Disponible en open source (sous licence Apache), "SageMaker Neo compile les modèles dans un format unique, compact et performant en termes d'inférences d'apprentissage. Le tout pour une configuration hardware ciblée", explique-t-on chez Amazon. Supportant les librairies de machine learning les plus utilisées (Apache MXNet, PyTorch, TensorFlow, XGBoost...), elle prend en charge les architectures ARM, Intel et Nvidia. Son portage sur les technologies Cadence, Qualcomm et Xilinx est en cours. Toujours sur le front des processus d'inférence, un service visant à optimiser les ressources de calcul graphique qui leur sont consacrées a été présenté (Amazon Elastic Inference).
Dans la même logique, AWS a annoncé la disponibilité d'une puce (AWS Inferentia) taillée pour l'entrainement des modèles. Une initiative qui fait écho aux processeurs TensorFlow Processor Units de Google, et aux Xilinx à base de FPGA de Microsoft. Là encore en vue de l'entrainement des algorithmes, de nouvelles instances EC2 (P3dn) ont été lancées. Enfin, un nouveau service big data Apache Kafka a été mis en avant, notamment dans l'optique de motoriser les applications de machine learning.
Industrie, marketing et santé dans le viseur
Pour enfoncer le clou, AWS a donné le coup d'envoi d'une politique produit d'IA verticalisée. Lors de re:Invent, le groupe de Seattle a présenté une déclinaison de son outil de NLP pour le secteur médical. Son objectif : automatiser le traitement des fichiers de santé, en matière de résultats d'analyse, d'antécédents, de prescriptions... Pour l'industrie, une offre cloud baptisée AWS RoboMaker a été annoncée. Basée sur le framework open source Robot Operating System, elle s'adosse à Lex, Polly, Rekognition, SageMaker (etc.) et tire parti d'Amazon CloudWatch côté monitoring. Sur le terrain de l'automobile, AWS a dévoilé une voiture autonome miniature, au format 1/18ème : la DeepRacer. En ligne de mire, le cloud entend proposer aux développeurs un environnement de programmation et de simulation, centré sur un cas d'usage concret, en vue de se familiariser avec l'apprentissage par renforcement. Dès l'année prochaine, ces derniers pourront d'ailleurs participer à des courses réelles dans le cadre de la DeepRacer League.
AWS s'adresse aussi aux équipes marketing et commerciales. La société propose deux nouveaux services d'IA ciblant ces métiers. Le premier, Amazon Forecast, s'articule autour d'une couche de machine learning optimisée pour l'analyse prédictive. "Elle peut s'appliquer typiquement aux ventes, aux inventaires ou encore à l'audience sur un site web", commente-t-on chez Amazon. Quant au second (Amazon Personalize), il permet de bénéficier de la technologie utilisée par le retailer sur son site d'e-commerce pour personnaliser des contenus web et recommandations de produits. Cette seconde brique met en œuvre des processus de machine learning automatisés comparables à ceux de Google AutoML.