Google I/O 2022: IA y machine learning para mejorar el trabajo híbrido y Google Cloud

Entre las novedades que ha presentado Google en su evento Google I/O 2022, además de varias destinadas al mercado de consumo, como el Google Pixel 6a, hay también varias destinadas a la mejora del trabajo híbrido y a la nube de la compañía, Google Cloud. Pero también han presentado las versiones de prueba de AlloyDB para PostgreSQL y los aceleradores de machine learning de aprendizaje automático TPU de Google Cloud.

Novedades para el trabajo híbrido en Google I/O

Entre estas novedades hay varias funciones nuevas para Google Workspace, que aprovechan lo que puede ofrecer la Inteligencia Artificial a la mejora del trabajo híbrido, y ayudar a los trabajadores a centrarse en sus tareas, colaborar de manera segura y mejorar la interconexión con sus compañeros y responsables de grupos.

Google puso en marcha recientemente los resúmenes automatizados en Google Docs, que sirven para que quienes tienen que leer documentos y tienen poco tiempo para hacerlo puedan recibir un resumen de su contenido, generado automáticamente por la aplicación. Pues bien, en los próximos meses Google va a extender esta función de creación integrada de resúmenes a Spaces, lo que ayudará también a contar con un resumen de conversaciones. Sin duda una función muy útil para contar con una pequeña relación de lo más importante de una charla, que evitará que te pierdas sus puntos más destacados.

Por otro lado, Google Meet va a contar con transcripción de reuniones automatizada. Así, quienes no puedan asistir a esa reunión, o los que en principio no estén invitados a participar pero tengan que conocer lo hablado en ella contarán con  información sobre su contenido. Además, quienes sí han estado en ella podrán contar con un resumen para utilizarlo para otros fines, o hacer referencia al encuentro en diversos contextos. Según han confirmado en Google, la transcripción automatizada estará disponible a finales de este año, y los resúmenes de reuniones llegarán el año que viene.

No es la única mejora que llegará a Google Meet, ya que la compañía va a utilizar machine learning para conseguir que las reuniones establecidas a través de la plataforma sean más inmersivas. También para facilitar las conexiones y la compartición de contenido en Meet. Para ello Google va a integrar mejoras en Meet relacionadas con la imagen, el sonido y las funciones de compartir contenido. Todas llegarán a lo largo de 2022.

Una de ellas es Portrait restore (literalmente, Restauración de retratos), que usa Inteligencia Artificial para mejorar la calidad de vídeo corrigiendo problemas ocasionados por una iluminación baja, las webcams de calidad baja o la conectividad de red pobre. El proceso de todo esto se lleva a cabo en la nube, lo que hace que la plataforma pueda mejorar la calidad de vídeo sin tener impacto en el rendimiento del dispositivo.

Portraigh light (Luz de retrato), otra de las mejoras, emplea machine learning para simular una iluminación con calidad de estudio en un feed de vídeo, y permite ajustar la posición de la luz y el brillo para personalizar la manera en la que los participantes en una reunión quieren que se les vea.

Por otro lado, De-reverberation se encarga de filtrar los ecos que hay en estancias con superficies duras, lo que hace que las reuniones puedan contar con una calidad de sonido propia de una sala de conferencias aunque se hagan desde espacios tan poco favorables a ello como un sótano o una habitación vacía.

En cuanto a Live sharing (Compartición en vivo). se encargará de sincronizar la multimedia y el contenido entre los participantes en una reunión de Google Meet. Gracias a esta función, los usuarios podrán compartir controles e interactuar directamente en el transcurso de la reunión. Además, permite que partners y desarrolladores puedan utilizar las APIs de compartición en vivo de Google para comenzar a integrar Meet en sus apps.

En Google I/O 2022 también ha habido tiempo para hablar sobre mejoras en ciberseguridad en los espacios de trabajo online. La compañía ha remarcado que Google Workspace está desarrollada con base en un enfoque «zero trust», además de integrar gestión de acceso reforzado, protección de datos, cifrado y protecciones de endpoint.

Pero además, a lo largo de este año se van a llevar las protecciones contra phishing y malware que hay en la actualidad protegiendo a Gmail a Google Slides, Docs y Sheets. Así, si un archivo que vas a abrir con cualquiera de las tres herramientas contiene enlaces de phishing o malware, recibirás un aviso y sugerencias sobre las medidas a tomar para seguir seguro mientras trabajas.

AlloyDB para PostgreSQL

Aprovechando su evento Google I/O 2022, Google ha anunciado la versión de prueba de AlloyDB para PostgreSQL. Se trata de un servicio de base de datos completamente gestionado y compatible con PostreSQL pensado para modernizar las cargas de trabajo de bases de datos de empresas.

AlloyDB ha resultado más de cuatro veces más rápido que PostgreSQL en las pruebas realizadas por Google, que desvelan además que es hasta 100 veces más rápido para queries analíticas, y el doble de rápido en cargas de trabajo transaccionales que el servicio similar de Amazon. Al menos, estos son los datos que han ofrecido los de Mountain View. AlloyDB combina las funciones de Google de computación a escala y almacenamiento, una elevada disponibilidad y seguridad, y gestión impulsada por Inteligencia Artificial y machine learning; con compatibilidad total con PostgreSQL 14, su versión más reciente.

En el núcleo de AlloyDB hay un servicio de almacenamiento inteligente y optimizado para bases de datos que está desarrollado específicamente para PostgreSQL. AlloyDB desagrega la computación y el almacenamiento en cada capa de la pila, para lo que usa los mismos bloques de desarrollo de infraestructura que servicios de gran escala de Google. Como YouTube, Mapas, Gmail y su buscador. Esto facilita que consiga escalado con rendimiento predecible. Además, AlloyDB está preparado para gestionar cualquier carga de trabajo con una supervisión mínima de la gestión.

Como sucede con muchos servicios de bases de datos gestionadas, AlloyDB se encarga automáticamente de la gestión de bases de datos, realizando tareas de parcheado de bases de datos, copias de seguridad, escalado y replicación. Además, emplea algoritmos flexibles y machine learning para la gestión de vacío de PostgreSQL, así como para la de memoria y almacenamiento, y para la aceleración de analíticas, entre otras cosas.

AlloyDB aprende sobre tus cargas de trabajo y organiza tus datos de manera inteligente a través de la memoria, de una caché secundaria ultrarrápida y de almacenamiento perdurable. Estas funciones automatizadas simplifican la gestión para gestores de bases de datos y desarrolladores. Además, también permite a los clientes aprovechar mejor el machine learning en sus ampliaciones. Aparte de esto, cuenta con integración con Vertex AI, la plataforma de Inteligencia Artificial de Google Cloud que permite a los usuarios llamar a modelos directamente desde una query o una transacción. Esto lleva a una latencia baja, más información y mayor rendimiento. Y sin tener que escribir código de aplicaciones adicional.

El sistema de pagos de AlloyDB está desarrollado, por otro lado, para mantener los costes controlados. Estos son transparentes y predecibles, sin licencias propietarios ni cargos opacos. El almacenamiento necesario para ella se provisiona de manera automática, y los clientes solo tienen que pagar por lo que usen, sin costes adicionales para réplicas de lectura. Todos los que quieran conocer más detalles sobre AlloyDB y comenzar a probarlo de manera gratuita, pueden encontrar más detalles en su web.

Google Cloud anuncia el mayor centro de machine learning disponible hasta ahora

En Google ofrecen Unidades de proceso Tensor, o TPUs, que son los aceleradores de machine learning personalizados de la compañía, a los clientes de Google Cloud como Cloud TPUs. Google los hace evolucionar de manera continua, y la última muestra de ello es el anuncio que acaba de hacer en el Google I/O: la versión preliminar del cluster de machine learning de Google Cloud con pods de Cloud TPU v4.

Este clúster de post de Cloud TPU v4 facilitará a investigadores y desarrolladores el trabajo para que logren realizar avances en Inteligencia Artificial. Para ello les permitirá entrenar modelos cada vez más sofisticados, además de gestionar cargas de trabajo a gran escala, como las que exigen el proceso de lenguaje natural, los sistemas de recomendación o los algoritmos de visión artificial.

El clúster cuenta con una capacidad punta agregada de 9 exaflops, lo que lo convierte en el mayor centro de machine learning de acceso público del mundo en cuanto a potencia de cálculo. Además, el 90% de su consumo está cubierto con energías que no dejan huella de carbono. Cada pod de Cloud TPU v4 consta de 4096 chips conectados a través de una red rápida de interconexión, con el equivalente a un ancho de banda por host de 6 Tbps. Además, cada chip de Cloud TPU v4 pude alcanzar picos de FLOPS alrededor de 2,2 veces más elevados que los de la versión anterior, Cloud TPU v3.

Las porciones de pods de Cloud TPU v4 están disponibles con cofiguraciones que van desde cuatro chips, lo que tiene una máquina virtual TPU, hasta miles de chips. En estos pods, todas las porciones de un mínimo de 64 chips tienen enlaces toroidales tridimensionales, lo que hace contar con más ancho de banda para comunicaciones.

Cloud TPU v4 también permite acceder a 32 GiB de memoria desde un solo dispositivo, el doble que con los TPU v3. Todo contribuye a mejorar el rendimiento al entrenar modelos de recomendación a gran escala. El acceso a los pods Cloud TPU v4 se hace a demanda y en versión de prueba, con diversas opciones disponibles, tal como se detalla en esta página.