CloudProgettiServer

Microsoft Data Amp, l’Intelligenza Artificiale è strategica integrata nei DB

Nel 1998 inizia la sua esperienza nel mondo IT in Mondadori e partecipa alla nascita di Web Marketing Tools di cui coordina la redazione. Redattore esperto di software per PC Magazine, e caporedattore di ComputerIdea, segue da circa 20 anni l'evoluzione del mondo hardware, software e dei servizi IT in un confronto continuo con le aziende leader del settore

In occasione dell’evento live Data Amp, Microsoft presenta la CTP 2.0 di SQL Server 2017, ma soprattutto evidenzia i passi avanti per portare AI e deep learning direttamente sui dati

Ne abbiamo parlato di recente nel nostro dossier, ma questi sono giorni davvero caldi per chi lavora sui temi legati al valore dei dati e all’intelligenza artificiale. Si è appena concluso infatti a San Francisco AWS Summit, in sovrapposizione con Microsoft Data Amp, l’evento Live di Microsoft in cui prima di tutto si celebra la tecnologia che abilita l’innovazione tramite i dati e che raccoglie in un evento online chi ha deciso proprio di valorizzare i dati, l’intelligenza sui dati e le piattaforme di dati per affrontare la Digital Transformation. Rimandiamo a un altro contributo le novità AWS per concentrarci sull’evento Microsoft.

Cogliamo gli spunti più importanti sul tema seguendo l’intervento di Joseph Sirosh, Corporate VP Microsoft Data Group. Il focus è la possibilità di integrare nei DB, nei data lake (quindi nel patrimonio di dati non strutturati) e in cloud l’intelligenza artificiale per trasformare le applicazioni. Quasi in cascata quindi si tratta di studiare possibilità di utilizzo dell’Intelligenza Artificiale con i servizi proposti, per migliorarne le performance e la sicurezza e di offrire la flessibilità necessaria agli sviluppatori per generare servizi cloud attraverso Windows, Linux, Python, R, Spark, Hadoop e altri tools open source. Piace, ma non sarebbe necessario, porre ancora una volta l’accento sulla neutralità oramai raggiunta da Microsoft nei confronti delle altre piattaforme.

Ecco, il tema cardine: in passato si è quasi sempre creato un modello statistico e di analisi accanto ai dati, fuori dal DB, a livello applicativo, o tramite tool specifici, questo però ha avuto come prima conseguenza quella di dilatare nel tempo lo sviluppo e il deployment dei modelli in un arco temporale di mesi. Quei mesi non sono più disponibili.

SQL Server 2017
SQL Server 2017

Microsoft invece propone di annullare la distanza tra l’analisi e il dato con il deployment di risorse di Intelligenza Artificiale direttamente sulla data-platform, attraverso un nuovo modello di computing. In pratica un modello basato sulle tecnologie di GPU Deep Learning (Nvidia), all’esordio con la nuova release di SQL Server, presentata in occasione di Data Amp come CTP 2.0 di SQL Server 2017 Nella Preview sono integrate funzionalità di machine learning, e il supporto a Python, Proprio l’accoppiata Python/R serve a Microsoft per abilitare il modello GPU Deep Learning sui sistemi di dati non strutturati. Gli sviluppatori possono implementare gli analytics in tempo reale, accelerati dalle Gpu Nvidia e con le procedure AI direttamente integrate nei database. 

Spetta invece a Microsoft R Server 9.1, il compito di portare l’intelligenza sui dati in Hadoop, Spark e SQL Server; la nuova versione introduce i modelli basati sulle reti neurali per le analisi sulla percezione. Qui proponiamo l’approfondimento di Microsoft. Per le app in cloud invece i servizi Microsoft Cognitive abilitano funzionalità di intelligenza cognitiva direttamente nelle applicazioni e al riguardo nel corso dell’evento Microsoft ha annunciato la disponibilità nel portale Azure di Face Api (per individuare e comparare i volti umani), Computer Vision API (per comprendere il contenuto delle immagini, creare tag che identificano gli oggetti) e Content Moderator

Non è un caso se abbiamo deciso di aprire proprio proponendo un parallelo con Amazon. Con Rekognition, AWS ha anticipato Microsoft di non pochi mesi proprio in questi ambiti. Redmond è in rincorsa. 

Si viaggia necessariamente anche nel mondo dei dati non strutturati, con Azure Data Lake Analytics, Microsoft porpone un innovativo servizio di analytics serverless su cui è possibile processore dati on demand, anche non strutturati come testi e immagini, sentiment, un’insieme di possibilità che Sirosh ama definire la Big Cognition. Il sistema storage di riferimento è quindi Azure Data Lake Store, l’HDFS storage system che lavora con Data Lake Analytics. 

Sirosh anticipa anche alcune caratteristiche di spicco della nuova versione SQL Server, relative alle performance. Per esempio le medesime prestazioni sia su Linux, sia su Windows. Query fino a cento volte più veloci sfruttando gli indici Columnstores, una reportistica aggiornati, maggiore agilità nello scaling fino a centinaia di TB di dati.

Su Azure, SQL Database sfrutta le tecnologie di machine learning per individuare nel database le attività anomale ed è in grado di attualizzare procedure di tuning per gestire in automatico i carichi di lavoro e ottimizzare le performance quando si effettuano query. 

Infine, l’impegno di Microsoft nella semplificazione dello sviluppo di sistemi AI, si sa, passa da Cortana Intelligence, l’insieme dei dati e dei servizi di analisi integrati componibili per sviluppare applicazioni complesse di analytics su Azure. In occasione di Data Amp, Cortana intelligence si arricchisce di template in modo da facilitare la composizione di nuovi servizi e abilitare il deployment di architetture complesse in meno tempo.