Cómo el modelo de Microsoft de Modelos como Servicio está democratizando el acceso a la IA para todos

Las herramientas de hoy simplifican la creación de aplicaciones impulsadas por IA, pero muchos desarrolladores a menudo evitan las complejidades de la implementación de modelos. Elegir entre opciones como GPT-4 de OpenAI, Llama 3 de Meta, Gemini de Google o varios modelos de código abierto es solo uno de los desafíos; la implementación de estos modelos presenta un conjunto completamente nuevo de dificultades. Esta tarea compleja puede frustrar a los desarrolladores y potencialmente sofocar sus aspiraciones emprendedoras. Sin embargo, Microsoft ofrece una solución que permite a los desarrolladores volver a enfocarse en la creatividad en lugar de enfrentar obstáculos técnicos. Su oferta de Modelos como Servicio (MaaS) es similar a los servicios en la nube, permitiendo a los usuarios pagar por el acceso a modelos en lugar de gestionar infraestructura. Este servicio está disponible a través de Microsoft AI Azure Studio.

"Si alguna vez has implementado un modelo, sabes que implica combinaciones complejas de versiones de Pytorch y especificaciones de hardware", explica Seth Juarez, gerente de programa principal de la plataforma de IA de Microsoft. "MaaS abstrae esa complejidad. Si tienes un modelo, ya sea de código abierto o creado por OpenAI, puedes acceder fácilmente a él a través de nuestro catálogo. Con solo un clic, tienes un punto final operativo listo para usar".

Con MaaS, los desarrolladores pueden alquilar fácilmente APIs de inferencia y realizar ajustes finos de manera flexible y sin necesidad de una máquina virtual. Juarez señala que, aunque Microsoft ofrece más de 1,600 modelos con diversas funcionalidades, el objetivo de MaaS es facilitar a los desarrolladores la integración de características de IA en su software.

Desde su lanzamiento en 2023, Microsoft ha puesto a disposición ciertos modelos a través de MaaS. Inicialmente, se introdujeron modelos como Mistral-7B y Llama 2 de Meta. Recientemente, TimeGen-1 de Nixtla y Core42 JAIS se unieron a la oferta, con modelos adicionales de AI21, Bria AI, Gretel Labs, NTT Data, Stability AI y Cohere en el horizonte. Sin embargo, solo una pequeña parte de lo disponible en AI Azure Studio califica como modelos MaaS.

La elegibilidad de los modelos a menudo surge de asociaciones corporativas, aunque Juarez admite que no tiene información sobre los detalles de estas colaboraciones. Otros modelos se incluyen porque las modificaciones de la API han estandarizado sus firmas de función para la compatibilidad con MaaS. Sin embargo, los modelos más especializados deben implementarse mediante otros métodos. "Por eso algunos se clasifican como Modelos como Servicio, mientras que otros pueden ser introducidos en tu propio contenedor para inferencia gestionada", explica Juarez.

Juarez anticipa un futuro donde los desarrolladores tengan la opción entre dos enfoques, similar a ser propietario o arrendatario. "En este modelo, posees todo el contenedor y el modelo, y manejas el mantenimiento, mientras que con MaaS, nosotros gestionamos esa tarea por ti. Cuantos más modelos apoyemos, más opciones tendrán los desarrolladores para alquilar", señala.

MaaS no es un concepto nuevo, pero representa un cambio significativo en el panorama tecnológico. Juarez cree que las dinámicas han cambiado; en lugar de que las empresas tecnológicas dicten nuestras necesidades, los consumidores ahora expresan demandas específicas por características y servicios. Esta evolución ha sido impulsada por los avances paralelos en investigación y comercialización de IA. "Estamos presenciando esta inversión, donde los usuarios ahora impulsan la demanda debido al uso generalizado de herramientas como ChatGPT, lo que lleva a las empresas a ponerse al día y ofrecer las experiencias solicitadas", concluye.