Vertex AI: conheça IA do Google que usa o Gemini para auxiliar empresas

Uma das maiores vantagens do Vertex AI, principalmente para pequenos negócios, é a capacidade de treinar dados específicos, sem a obrigatoriedade de escrever códigos durante o refinamento dos dados por meio de tarefas de aprendizado supervisionadas e interface intuitiva do Google Cloud Platform.

Na prática, a Vertex AI é uma plataforma que incorpora kits para desenvolvimento, tratamento de dados, treinamento e deploy de aplicações em aprendizado de máquina em um grande ecossistema integrado ao Google Cloud, oferecendo suporte aos principais tipos de treinamento para otimizar fluxos. Tanto que o próprio sistema de precificação do serviço é fragmentado em créditos conforme o tipo de uso, como por entrada/saída de dados, tempo de operação, ciclos de treinamento, não havendo um pacote fechado.

Também por ser parte do Google Cloud Platafrm, dialoga diretamente com outros serviços, como Google Cloud Storage e BigQuery, para armazenar e tratar dados em operações com Big Data, setor cada vez mais utilizado por empresas para se manterem relevantes no mercado. Outro diferencial igualmente importante é que a Vertex AI já traz uma série de modelos pré-treinados para diferentes aplicações, permitindo ganhar tempo em projetos menores, ou mesmo para experimentar com diferentes funcionalidades antes de escolher quais melhor antedem uma dada demanda.

Resumidamente, a Vertex AI é um conjunto de ferramentas integradas que combina engenharia de dados, ciência de dados, aplicações IA e aprendizado de máquinas em um único ambiente, permitindo que equipes de todos os tamanhos trabalhem colaborativamente.

Adotar soluções de IA e ML já deixou de ser um capricho, e vem se tornando uma demanda real para empresas e instituições de todos os segmentos do mercado, e a Vertex AI concentra sob um único guarda-chuva algumas das maiores demandas no setor de aprendizado de máquina:

Em termos práticos, uma clínica de exames por imagem poderia treinar uma ferramenta com ML a agilizar diagnósticos de câncer, por exemplo. Ter uma aplicação de diagnóstico treinada sob medida com os bancos de dados da clínica, permitiria identificar padrões de tumores em estágios iniciais que poderiam passar despercebidos a olho nu. Isto, inclusive, já é uma realidade, fruto de uma parceria entre a Intel e a Escola Perelman de Medicina da Universidade da Pensilvânia, mas por conta do custo de implantação, apenas centros de pesquisa e universidades muito grandes costumam ter orçamento para investir nessas soluções.

Em uma plataforma integrada no ecossistema Google Cloud, com uma série de outras ferramentas associadas e custo otimizado por demanda, é possível democratizar o acesso a ferramentas desse tipo para clientes muito menores e em escala. Naturalmente, o mesmo vale para casos mais mundanos, como em centros de treinamento de atletas de alto desempenho. Uma prática comum neste setor é analisar jogadas e perfis de atletas dos times adversários, geralmente assistindo gravações de partidas inteiras ou edições com cortes pontuais. No entanto, dependendo da quantidade de gravações disponíveis, realizar uma triagem do material que compensa ser repassado aos atletas pode levar muito tempo.

Treinar um modelo AutoML de Machine Learning permite criar uma ferramenta de análise que apenas com alguma supervisão inicial, conseguirá reconhecer e categorizar ações como gols e cobrança de faltas. A capacidade rastrear objetos e pessoas ainda permite que a própria ferramenta crie inclusive estatísticas de tempo de domínio de bola, velocidade de arranque para o ataque e outros dados importantes, facilitando a criação de estratégias sob medida para cada adversário.

A Vertex AI funciona como uma plataforma em nuvem com interface amigável e diversas APIs para interagir com os seus serviços. A utilização da plataforma pode ser tanto por meio do Google Cloud Console, linhas de comando ou as APIs REST (Transferência de Estado Representacional). Diversos componentes trabalham em conjunto para permitir o desenvolvimento de modelos de aprendizado de máquina, como:

Justamente para entregar tudo isso em um serviço escalável, a Vertex AI utiliza uma abordagem modular padrão que consiste em importar e preparar dados, treinar, avaliar e implantar modelos, além de oferecer ferramentas de gestão e gerenciamento. As etapas iniciais vão da coleta dos dados à inserção no modelo de treinamento, passando pelo preparo, que envolve verificar se as informações atendem o formato e qualidade para injeção no modelo. Já etapa de treinamento aplica algoritmos personalizáveis ou modelos pré-treinados, realizando ajustes sob medida.

O processo de implantação dos modelos é altamente facilitado por meio das APIs oferecidas, enquanto a etapa de gerenciamento e monitoramento se vale de ferramentas para rastrear o desempenho e ajustar os modelos em tempo real. Pensando na compatibilidade, a Vertex AI trabalha com os principais frameworks de IA do mercado, como TensorFlow e PyTorch, oferecendo maior flexibilidade para as equipes de desenvolvimento.

Novamente, a Vertex AI é de uso corporativo, então seu sistema de precificação não conta com planos “baratinhos”, como as ferramentas de IA voltadas para o consumidor doméstico. Apenas o sistema de treinamento tabular de dados AutoML, traz uma lista enorme de preços para cada uma de suas operações, como R$ 21,44 por hora rodando o sistema de classificação de entradas, ou R$ 32,49 para cada mil entradas de operações de predição. Já uma operação de treinamento de rastreio de objetos, também utilizando o AutoML, o preço quase dobra, saltando para R$ 70 por hora.

Por outro lado, ainda que os valores pareçam elevados pensando em usuários domésticos, para pequenas empresas eles são bem mais acessíveis que pacotes de ferramentas CUDA em infraestrutura NVIDIA, por exemplo. Apesar de oferecer as ferramentas gratuitamente para fins de desenvolvimento, a licença do NVIDIA AI Enterprise gira em torno de US$ 19 mil (cerca de R$ 110 mil em conversão direta) por GPU no plano de cinco anos. Dessa forma, empresas pequenas podem ter dificuldades em justificar alocar uma verba tão alta para implantar soluções de IA e ML, já que o retorno não costuma ser imediato.

Para desenvolvedores interessados em testar a Vertex AI, o Google Cloud trabalha com um sistema de trial com US$ 300 de crédito ao longo de um período de 90 dias, sem recarga automática. Basta criar uma conta e, apesar de solicitar os dados do cartão, eles são utilizados apenas para validar que não se trata de um robô. Em seguida basta criar um projeto no Google Cloud, ativar o Vertex AI e começar a importar dados, criar modelos personalizados e implantá-los em suas aplicações. É importante ressaltar, no entanto, que todo processo consome créditos, inclusive o de carregamento de dados, sendo necessário ficar atento para não gastar todo o saldo antes de concluir o projeto.

Toda operação de IA executada na nuvem está sujeita a vulnerabilidades inerentes, mas a maioria delas está na ponta do usuário e, geralmente, relacionadas a ataques de engenharia social, como senhas fracas, clicar em links maliciosos e assim por diante. Do lado do Google, a Vertex AI trabalha com os padrões de segurança rigorosos do Google Cloud e em conformidade com ferramentas regulatórias como a GDPR (Regulação Geral de Proteção de Dados). Sendo assim, a Vertex AI é, sim, confiável, mas é preciso ter cuidado ao realizar o tratamento de dados sensíveis ou sigilosos.

Veja também: Google Gemini: veja protótipo de IA que sabe e lembra de tudo