Como os Modelos como Serviço da Microsoft estão Democratizando o Acesso à IA para Todos

As ferramentas atuais facilitam a criação de aplicativos baseados em IA, mas muitos desenvolvedores hesitam diante da complexidade do hospedagem de modelos. A escolha entre opções como o GPT-4 da OpenAI, o Llama 3 da Meta, o Gemini do Google ou diversos modelos de código aberto é um desafio, mas a implementação desses modelos traz um conjunto completamente novo de dificuldades. Essa tarefa complexa pode frustrar desenvolvedores e sufocar suas aspirações empreendedoras. No entanto, a Microsoft apresenta uma solução que permite aos desenvolvedores focar na criatividade, em vez de enfrentar obstáculos técnicos. A oferta de Modelos como Serviço (MaaS) da Microsoft é semelhante a serviços em nuvem, permitindo que os usuários paguem pelo acesso a modelos em vez de gerenciar a infraestrutura. Este serviço está disponível através do Microsoft AI Azure Studio.

“Se você já implantou um modelo, sabe que isso envolve combinações complexas de versões do Pytorch e especificações de hardware,” explica Seth Juarez, gerente de programa da plataforma de IA da Microsoft. “O MaaS abstrai essa complexidade. Se você tem um modelo—seja ele de código aberto ou criado pela OpenAI—pode acessá-lo facilmente através do nosso catálogo. Com apenas um clique, você tem um ponto de operação pronto para uso.”

Com o MaaS, os desenvolvedores podem alugar facilmente APIs de inferência e realizar ajustes finos de maneira flexível, tudo isso sem a necessidade de uma máquina virtual. Juarez ressalta que, embora a Microsoft ofereça mais de 1.600 modelos com diversas funcionalidades, o objetivo do MaaS é tornar mais simples a integração de recursos de IA em seus softwares.

Desde seu lançamento em 2023, a Microsoft disponibilizou modelos selecionados por meio do MaaS. Inicialmente, foram introduzidos modelos como o Mistral-7B e o Llama 2 da Meta. Recentemente, o TimeGen-1 da Nixtla e o Core42 JAIS se juntaram ao portfólio, com modelos adicionais da AI21, Bria AI, Gretel Labs, NTT Data, Stability AI e Cohere a caminho. Contudo, apenas uma pequena parte do que está disponível no AI Azure Studio é qualificada como modelos MaaS.

A elegibilidade dos modelos geralmente decorre de parcerias corporativas, embora Juarez admita não ter detalhes sobre as especificidades dessas colaborações. Outros modelos são incluídos porque modificações na API padronizaram suas assinaturas de função para compatibilidade com MaaS. No entanto, modelos mais especializados devem ser implantados usando métodos diferentes. “É por isso que alguns são classificados como Modelos como Serviço, enquanto outros podem ser inseridos em seu próprio contêiner para inferência gerenciada,” explica Juarez.

Juarez antecipa um futuro onde os desenvolvedores terão escolha entre duas abordagens—semelhante a ser proprietário ou locatário. “Nesse modelo, você possui todo o contêiner e o modelo e lida com a manutenção, enquanto com o MaaS, nós gerenciamos essa manutenção para você. Quanto mais modelos suportarmos, mais opções os desenvolvedores terão para locação,” ele observa.

O MaaS não é um conceito novo, mas representa uma mudança significativa no cenário tecnológico. Juarez acredita que a dinâmica mudou—em vez de as empresas de tecnologia ditarem nossas necessidades, os consumidores agora estão expressando demandas por recursos e serviços específicos. Essa evolução foi impulsionada pelos avanços paralelos na pesquisa e comercialização de IA. “Estamos testemunhando essa inversão, onde os usuários agora impulsionam a demanda devido ao uso generalizado de ferramentas como o ChatGPT, fazendo com que as empresas se esforcem para oferecer as experiências solicitadas,” conclui.