AWS presenta sus novedades antes de su evento re:Invent

Cuando faltan apenas un par de semanas para que llegue re:Invent de AWS, la compañía ha decidido anunciar con antelación las principales novedades que mostrará en el evento. Entre ellas está el añadido de 22 nuevos idiomas a Amazon Translate, mejoras en su servicio de reconocimiento de imagen, la llegada de los servicios de voz de Alexa a los dispositivos AWS IoT Core y la incorporación de predicciones de Inteligencia Artificial a apps y servicios.

La primera de estas novedades supone un refuerzo para el servicio de traducción en tiempo real de AWS, Amazon Translate. Con la suma de estos 22 nuevos idiomas, Amazon Translate será compatible con un total de 54 idiomas y dialectos, además de soportar 2.804 pares de idiomas.

Los nuevos idiomas que soportará serán los siguientes: afrikaans, albanés, amárico, azerbayano, bengalí, bosnio, búlgaro, croata, dari, estonio, francés canadiense, georgiano, hausa, letón, pastún, serbio, eslovaco, esloveno, somalí, suahili, tagalog y tamil. Además de soportar nuevos idiomas, Amazon Translate también va a ampliar su radio de acción, ya que estará disponible en seis nuevas regiones, lo que hace que ya esté presente en 17.

AWS ha anunciado también una nueva función para el servicio de análisis y reconocimiento de imagen de Amazon, Rekognition. Se trata de la función Custom labels (Etiquetas personalizadas ), que permitirá a los clientes personalizar el servicio para detectar objetos y escenas únicas. Estará disponible el próximo 3 de diciembre.

Además, en lugar de tener que entrenar un modelo de machine learning personalizado desde cero, esta función permite que los usuarios que no tengan experiencia en machine learning puedan entrenar un modelo con tan solo 10 imágenes etiquetadas.Una vez que un modelo está entrenado, los clientes pueden conseguir visualizaciones para ver cómo se están comportando, así como sugerencias para mejorarlo. En otro orden de cosas, la API de Custom Labels es capaz de procesar decenas de miles de imágenes almacenadas en Amazon S3 cada hora.

Amazon también ha hecho varios anuncios relacionados con Internet de las Cosas. Entre ellos está la integración entre Alexa Voice Services (AVS) y AWS IoT Core que hemos mencionado. Hasta la llegada de esta función, para integrar el asistente de voz de Alexa en un dispositivo era necesario que la memoria integrada de un dispositivo fuese de al menos 100 MB de RAM, además de contar con procesadores ARM Cortex de clase A para la computación. Además, en caso de que el dispositivo cumpliese este requisito, la integración de AVS no era un procedimiento sencillo.

Con esta nueva integración para llevar Alexa a un dispositivo solo se necesitará que tenga 1 MB de RAM y microcontroladores Cortex de clase M de ARM. Además, la integración reduce el corte integrado de Alexa hasta en un 50%, lo que consigue llevando a la nube las cargas intensivas de memoria y computación. De esta manera, integrar Alexa en productos sencillos como termostatos, se convertirá en un proceso mucho más sencillo y ligero. Además de las novedades mencionadas, Amazon también ha anunciado nuevas funciones para IoT Greengrass de AWS, entre las que se encuentra la compatibilidad con contenedores.

En cuanto a la posibilidad de integrar predicciones de Inteligencia Artificial en apps y servicios con más facilidad, Amazon señala que las predicciones de machine learning se podrán ejecutar en datos relacionales o desestructurados en Amazon S3 o Aurora, el servicio de bases de datos relacionales almacenado en la nube de AWS y compatible con MySQL y PostgreSQL. En concreto, los clientes podrán entrenar modelos en la plataforma SageMaker de Amazon y llevar predicciones contra esos modelos con SQL a través de Aurora o Athena, el servicio interactivo de consultas de Amazon, que se utiliza para analizar datos en Amazon S3.

Las ventajas de esta novedad se extiende a QuickSight, el componente de AWS que permite a los clientes generar y publicar paneles de control que se centran en datos de Inteligencia Artificial. Así, con algunos cambios de configuración y la suma de unas cuantas declaraciones a las consultas SQL, QuickSight visualizará e informará de todas las predicciones de modelos de SageMaker y otras ofertas de machine learning de AWS. Con todo esto, AWS planea rebajar la cantidad de código personalizado que se debe escribir, gestionar y soportar en producción.