Kunstmatige intelligentie krijgt enorme Kubernetes-boost

Volgens een onderzoek van Stanford University is het aantal startups op het gebied van kunstmatige intelligentie (AI) sinds de eeuwwisseling 14 keer groter geworden. Alleen al in het VK, zegt Carmine Rimi, AI-productmanager bij Canonical – het bedrijf achter Ubuntu,  Alleen al in het afgelopen jaar waren AI-ontwikkelaars getuige van een stijging van 200% in de financiering van durfkapitaal; terwijl het transformatieve potentieel van AI alle grenzen overschrijdt.

Het creëren van AI-toepassingen om de manier van zakendoen en, inderdaad, het leven van mensen te verbeteren, is een enorme taak. Deze applicaties zijn ingewikkeld om te ontwikkelen en te bouwen, omdat er zulke verschillende soorten gegevens bij betrokken zijn; overzetten naar verschillende platforms lastig.

Naast deze uitdagingen zijn er in elke fase verschillende stappen nodig om zelfs de meest elementaire AI-toepassing te bouwen. Er is een scala aan vaardigheden nodig, waaronder het extraheren van functies, verificatie en analyse van gegevensverzameling, en machineresourcebeheer, om een ​​relatief kleine subset van daadwerkelijke ML-code te ondersteunen. Er moet veel werk gebeuren voordat een positie op de startlijn wordt ingenomen; naast een grote hoeveelheid voortdurende inspanningen om de applicaties up-to-date te houden. Alle ontwikkelaars zoeken naar manieren om deze grote uitdagingen het hoofd te bieden.

Behoud jezelf

Het resultaat van deze zoektocht, om apps up-to-date te houden en workloads in app-ontwikkeling in evenwicht te houden, komt vaak op hetzelfde antwoord:Kubernetes. Dit open source platform kan een faciliterende rol spelen, omdat het de implementatie en het beheer van gecontaineriseerde applicaties kan automatiseren, waaronder gecompliceerde workloads zoals AI en Machine Learning. Kubernetes heeft genoten van iets spectaculairs omdat het tot deze dingen in staat is, maar ook als een containerorkestratieplatform.

Forrester verklaarde onlangs dat "Kubernetes de oorlog voor dominantie van containerorkestratie heeft gewonnen en centraal zou moeten staan ​​in uw microserviceplannen". Containers bieden een compacte omgeving voor processen om in te werken. Ze zijn eenvoudig te schalen, draagbaar in een groot aantal omgevingen en maken het daarom mogelijk om grote, monolithische applicaties op te splitsen in gerichte, gemakkelijker te onderhouden microservices. Volgens een onderzoek van de Cloud Native Computing Foundation zegt de meerderheid van de ontwikkelaars dat ze Kubernetes gebruiken in verschillende ontwikkelingsstadia. 

De meeste bedrijven gebruiken Kubernetes of zijn van plan dit te gaan gebruiken als platform voor workloads. AI is natuurlijk een werklast die snel aan belang wint. Kubernetes is ideaal voor deze taak, omdat AI-algoritmen moeten kunnen schalen om effectief te zijn. Bepaalde deep learning-algoritmen en datasets hebben veel rekenkracht nodig. Kubernetes kan hierbij helpen, omdat het gericht is op schaalvergroting rond de vraag.

Kubernetes kan ook een routekaart bieden voor het implementeren van AI-enabled workloads over meerdere commodity-servers, die de softwarepijplijn overspannen, terwijl de beheeroverhead wordt geabstraheerd. Nadat de modellen zijn getraind, is het een uitdaging om ze in verschillende implementatiescenario's te bedienen, van edge compute tot centrale datacenters, voor niet-gecontaineriseerde aanvraagformulieren. Nogmaals, Kubernetes kan de nodige flexibiliteit ontsluiten voor een gedistribueerde inzet van inferentieagenten op verschillende substraten.

De focus veranderen

Nu bedrijven hun aandacht verleggen naar AI om de bedrijfskosten te verlagen, de besluitvorming te verbeteren en op nieuwe manieren tegemoet te komen aan klanten, worden op Kubernetes gebaseerde containers snel de nummer één technologie om bedrijven te ondersteunen bij het adopteren van AI en Machine Learning. Afgelopen december onthulde het Kubernetes-project Kubeflow, dat is gericht op het eenvoudig, draagbaar en schaalbaar maken van de implementatie van Machine Learning-workflows op Kubernetes.

Terwijl Kubernetes begon met alleen stateless services, stelde het project dat klanten begonnen waren met het verplaatsen van complexe workloads naar het platform, gebruikmakend van Kubernetes' 'rijke API's, betrouwbaarheid en prestaties'. Een van de snelst groeiende use-cases voor Kubernetes is als het implementatieplatform bij uitstek voor Machine Learning.

Begin 2017 alleen de Google Cloud Platform ondersteunde Kubernetes, met zijn Google Kubernetes Engine. Op het hoogtepunt van het jaar was elke grote leverancier van openbare clouddiensten aan boord. Vooral na Microsoft Kubernetes-ondersteuning toegevoegd aan de Azure Container Service en Amazon debuteerde de Amazon Elastic Container Service voor Kubernetes.

De manieren waarop Kubernetes wordt uitgerold en benut door bedrijven is schijnbaar grenzeloos. In een relatief korte levensduur heeft Kubernetes veel bereikt. Dit onderstreept de mate waarin tech-leveranciers en hun klanten massaal overgaan op het idee dat containers enorme voordelen bieden bij het ontwikkelen en beheren van de AI-onderdelen van applicaties. De opkomst van AI wekt een enorme interesse in containers om herhaalbaarheid en fouttolerantie voor deze gecompliceerde workloads te introduceren.

Kubernetes wordt een de facto standaard en fantastische match om AI-applicaties in containers te beheren. Het heeft zichzelf bewezen en zou nog lange tijd van groot nut moeten zijn voor bedrijven.

De auteur is Carmine Rimi, AI-productmanager bij Canonical.