Sono i giorni dell’evento Google I/O 2002 che chiama a raccolta gli sviluppatori della comunità di Google in presenza e in streaming da Mountain View, nella cornice dello Shortline Ampphitheatre. La missione di Google, espressa da Sundar Pichai è la stessa delle origini: “Organizzare l’informazione globale e renderla universalmente accessibile e utile”. E due sono le direttrici strategiche per questo obiettivo: “Approfondire la comprensione delle informazioni in modo da poterle trasformare in conoscenza; e migliorare il computing, in modo che indipendentemente da dove sia la conoscenza, essa sia comunque di facile accesso”.
Centrali le novità Google Cloud, in tre diversi ambiti: database, Google Workspace e il machine learning. Tre filoni, in verità, strettamente correlati tra loro con l’utilizzo dell’AI come abilitatore digitale irrinunciabile.
Le potenzialità del database sono alla base di qualsiasi tentativo di riuscire ad ottenere insight per migliorare i processi di business, e tuttavia mano a mano che le aziende sfruttano le potenzialità dei DB sentono il freno dato dai motori DB legacy. La standardizzazione su sistemi aperti come PostgreSql è vantaggiosa, e tuttavia reimpostare i carichi di lavoro business-critical, da zero sui database open source a volte si rivela scoraggiante.
E’ in questo ambito che si inserisce la proposta Google di AlloyDB che combina elaborazione, storage e scalabilità orizzontale proposte da Google Cloud, con disponibilità, sicurezza e gestione basate su AI/ML e la piena compatibilità PostgreSql e quindi i vantaggi di un DB open source. In particolare AlloyDB offre, ad una velocità molto superiore rispetto a PostgreSql, per le query analitiche, insight per il business, di fatto in tempo reale, con una serie di vantaggi in termini di costi, considerata la possibilità di modernizzare i database proprietari, riducendo le licenze ed ugualmente potendo scalare anche i carichi di lavoro business più critici. Con una capacità di elaborazione quattro volte più veloce rispetto al DB PostgreSql standard sui carichi di lavoro transazionali.
Decisamente “pratiche”, per migliorare proprio il lavoro quotidiano, la collaborazione ed il lavoro ibrido, i progressi compiuti invece dalla proposizione Google Workspace, la maggior parte dei quali resi possibili proprio dall’utilizzo dell’intelligenza artificiale. Per esempio, per quanto riguarda Spaces e proprio utilizzando i progressi ottenuti nell’elaborazione del linguaggio naturale, Google Cloud introduce i riassunti automatici in Google Docs ed estende la tecnologia a Spaces, per offrire un utile riepilogo delle conversazioni abilitato dall’AI e consentire agli utenti di risparmiare tempo pur rimanendo informati su tutto. Di particolare interesse, la possibilità di avere subito disponibile la trascrizione completa delle riunioni di Google Meet come Google Doc.
Per quanto riguarda invece proprio le riunioni tenute con Google Meet, migliora ora l’esperienza offrendo con Live Sharing, la condivisione dal vivo che sincronizza i contenuti e il materiale multimediale tra i partecipanti durante le riunioni di Google Meet per rendere più facile la visualizzazione di video. Immagini e audio sono ora migliorate dai sistemi Portrait Light che sfruttando il ML simula un’illuminazione di qualità nel proprio feed video e permette di regolare la posizione della luce e la luminosità, mentre grazie a Portrait Restore, è possibile migliorare la bassa qualità video dovuta a scarsa illuminazione, webcam di bassa qualità o scarsa connettività di rete, con l’AI che interviene a migliorare i parametri. Lato audio, il nuovo sistema di de-riverberazione, utilizza il machine learning per offrire una qualità audio sul modello di quella delle sale conferenza in qualsiasi situazione.
Sempre per quanto riguarda Google Workspace è infine migliorata la sicurezza e viene offerta maggiore protezione da phishing e malware per le applicazioni Presentazioni, Documenti e Fogli Google avvisa gli utenti se si sospetta che un file sia associato a phishing o malware allertando le persone quando scaricano o cliccano su file e collegamenti sospetti.
Arriviamo all’ultimo punto, ovvero la disponibilità degli stessi acceleratori per il machine learning utilizzati da Google per le funzionalità di ricerca e Youtube, offerta anche ai clienti. Gli acceleratori Tensor Processing Unit (Tpu) sono ora offerti agli utilizzatori di Google Cloud come Cloud Tpu. Una scelta compiuta da Google per supportare la richiesta dei clienti di capacità, prestazioni e scalabilità machine learning che continua a crescere a ritmi elevati. Google annuncia quindi la proposta del cluster di apprendimento automatico Google Cloud alimentato da Cloud Tpu v4 Pods. Consentirà a ricercatori e sviluppatori di compiere progressi nell’ambito dell’AI, affinando i modelli su workload impegnativi come l’elaborazione del linguaggio naturale (Nlp) su larga scala. Un sistema da 9 Exaflops disponibile al pubblico e alimentato al 90% con energia carbon-free.
© RIPRODUZIONE RISERVATA
