Les logiciels open source ont été conçus comme une stratégie pour conquérir des géants de la technologie tels qu’Oracle et Microsoft qui avaient monopolisé le marché du logiciel à l’époque. Cela dit, il est aujourd’hui quasiment dans l’arsenal de ces mêmes géants de la technologie et constitue un élément clé de leurs stratégies d’engagement. En fait, parmi les 10 meilleurs logiciels open source de GitHub, huit sont de haute technologie et deux projets à la croissance la plus rapide est de Microsoft et Google.
Bien que certains puissent voir un inconvénient à ce que les géants de la technologie tirent parti des logiciels open source, comme la controverse en cours entre AWS et Elastic, par exemple, dans cet article, nous essaierons de regarder la lueur d’espoir, qui est la grande technologie redonnant à Open source. Pour faire la lumière sur l’importance de ces contributions, certains projets populaires du passé incluent Facebook React Native, Android et Kubernetes de Google, et ChaosMonkey et Hystrix de Netflix.
Suttercock
1. Adaptateur à bascule Google
Pour expliquer la dernière contribution logicielle open source de Google, nous devons examiner rapidement où nous en sommes en général avec la technologie IA et PNL en particulier. Comme nous le savons tous, les machines ont du mal à traduire ce que nous disons parce que la plupart du temps, nous disons une chose et signifions autre chose. Pour faire face à ces nuances humaines, nous sommes passés de modèles RNN qui ont été assez inefficaces, car ils traitent mot à mot dans une longue chaîne qui n’a aucun sens pour les modèles RNN qui utilisent des techniques d’attention et des modèles CNN qui peuvent traiter des mots dans parallèle.
Contrairement à la technique d’attention RNN traditionnelle, où chaque mot se voyait attribuer un état caché à l’étape de décodage, les transformateurs créent des dépendances entre l’entrée et la sortie. Cette approche s’appelle self-care et révolutionne la PNL car elle crée efficacement un backend incroyablement précis qui peut ensuite être utilisé dans tous les secteurs. Cela signifie que les utilisateurs potentiels de l’IA n’auront pas besoin de former des robots individuels pour des utilisations distinctes.
Avant la dernière contribution de Google, GPT3 d’OpenAI était le modèle de langage le plus puissant, avec 175 milliards de paramètres intégrés dans le mécanisme du transformateur. Le modèle Switch Transformer de Google sorti le mois dernier a des fonctionnalités 1,6 billion de paramètres. C’est 10 fois plus que GPT3 et ouvre un monde de possibilités en intelligence artificielle et en apprentissage automatique. Switch Transformer y parvient en utilisant une combinaison de combinaisons expertes ou MoE. Au lieu du traditionnel multi-expert, Google simplifie le calcul du routage en utilisant un seul spécialiste pour gérer une entrée donnée.
2. Netflix DGS
La prochaine contribution des logiciels open source de haute technologie à notre liste provient de l’écurie Netflix. Il s’agit d’un Framework de service de graphe de domaine ou DGS Framework qui est principalement utilisé pour l’application GraphQL dans les applications Spring Boot. Pour les non définis, Springboot aide les utilisateurs à créer des applications qui s’exécutent avec un minimum de tracas et de configuration, tandis que GraphQL est un langage de requête de données et de gestion d’API. Contrairement aux API REST qui récupèrent toujours des ensembles de données complets ou “overfetch”, le schéma GraphQL permet aux requêtes personnalisées de récupérer uniquement celles demandées.
Bien que le framework DGS soit principalement écrit en Kotlin, il est construit sur graphql-java et est principalement conçu pour les utilisateurs Java. Ce projet est, par essence, la solution domestique Netflix au problème d’un niveau d’API global “désordonné” selon Netflix, devenait de plus en plus difficile à gérer. Un niveau d’API centralisé augmente la sécurité et simplifie les opérations, évitant ainsi les risques d’exposer des centaines (ou des milliers) de microservices aux développeurs. Cependant, à mesure que la complexité de l’environnement augmente, le niveau d’API global augmente également.
La solution de Netflix ici consiste à utiliser une plate-forme unifiée GraphQL qui non seulement alimente le niveau global de l’API, mais fournit également des outils pour l’exploration, l’enregistrement, la mesure et plus encore. Les principales fonctionnalités incluent le débogage, l’intégration avec Spring Security, l’intégration avec GraphQL Federation, un modèle de programmation Spring Boot basé sur les commentaires et un cadre de test qui permet aux utilisateurs d’écrire des tests de quiz sous forme de tests unitaires. En outre, il existe également un client GraphQL pour Java, ainsi que des instruments enfichables, un plugin Cradle Code Generation et une capacité de téléchargement de fichiers.
3. Microsoft Dapr
Le prochain sur notre liste est le géant de la technologie Microsoft Dapr mise en production ce mois-ci. Dapr signifie Distributed Application Runtime et vise à permettre aux développeurs de créer plus facilement des applications basées sur des événements s’exécutant n’importe où, y compris des serveurs sans environnement et sans serveur. Tout en permettant aux utilisateurs de créer des gadgets dans n’importe quelle langue, dans n’importe quel contexte et sur n’importe quelle plate-forme, Dapr permet également aux personnes ayant peu d’expérience avec l’architecture cloud native d’effectuer des tâches complexes, telles que les meilleures pratiques de codage, par exemple.
Ces fonctionnalités viennent du fait que Dapr consiste en des déductions d’API qui fournissent un certain nombre de fonctionnalités communes telles que la gestion des statuts, la gestion des secrets et l’invocation de services qui peuvent être appliquées aux plates-formes, aux clouds publics et aux environnements. En effet, chaque fonctionnalité est intégrée à un composant qui utilise un certain nombre de modules complémentaires pour rester autonome ou déconnecté de toute technologie sous-jacente. L’utilisation de tels blocs de construction permet également au code d’évoluer en douceur sans avoir à réécrire pour s’adapter aux changements.
Dapr utilise une méthode sidecar, similaire à celle que nous voyons dans l’architecture de grille de service, pour exposer ses API, ce qui rend extrêmement pratique pour les développeurs d’appeler une fonction, car un seul appel de sidecar Dapr est nécessaire. Alors que Dapr v1.0 est prêt pour la production et se concentre sur l’utilisation de Kubernetes pour exécuter des applications, les futures mises à jour devraient fournir des options d’environnement plus diversifiées. Dapr est actuellement intégré à tous les principaux fournisseurs de cloud public, notamment Azure, AWS, Alibaba et Google Cloud.
4. Changez juste et prenez-en deux
Les deux prochains projets de logiciels open source de notre liste sont une collaboration entre les géants de la technologie IBM et la Linux Foundation et sont uniques dans leurs efforts pour promouvoir la justice raciale et l’égalité. La Linux Foundation accueillera un total de sept projets de ce type, qui font partie d’un album appelé Invitation à un code de justice raciale. Les trois principaux domaines d’intervention de cette incitation sont la réforme et la responsabilité de la police et de la justice, les différences de représentation et la réforme des politiques et de la législation.
Le premier projet s’appelle Fair Change et c’est un projet assez intéressant, car ce que nous voyons ici, ce sont des stratégies DevOps qui sont utilisées efficacement dans l’intérêt public. Fair Change est une plate-forme qui, comme les plates-formes DevOps qui permettent à différents groupes de travailler ensemble de manière transparente, permet à différentes parties impliquées dans des affaires à caractère raciste d’enregistrer, d’enregistrer et d’accéder aux informations sur les affaires. Cela comprend toute preuve enregistrée, garantissant ainsi que les procédures judiciaires sont menées de manière transparente, équitable et non discriminatoire.
Le deuxième projet s’appelle Take Two, qui semble atténuer les biais dans le contenu numérique, en utilisant des suggestions de langue chaque fois qu’il y a un biais excessif ou subtil dans les titres, les articles de presse, les sites Web, les blogs et même le code. IBM est actuellement testé pour le contenu sur le site Web des développeurs IBM et se trouve déjà dans les outils de développement IBM existants. Take Two est intégré à Python, Fast API et Docker et l’API peut être exécutée sur la base de données CouchB ou IBM Cloudant.
Préparation à la production testée au combat à grande échelle
Bien qu’il puisse y avoir un certain nombre d’inconvénients à la haute technologie avec des logiciels open source à l’échelle que nous voyons actuellement, les inconvénients sont tout aussi, sinon plus, précieux. Lorsque vous obtenez un outil open source de fans de Netflix ou de Google, en particulier de quelque chose de “local” comme Kubernetes, vous obtenez vraiment une expérience encapsulée qui a été durement gagnée. Cela signifie rassurer que ces outils ont été «testés au combat» en production à une échelle qui serait autrement très difficile à reproduire dans un environnement de test.
Image en vedette: Shutterstock
Affichage des messages:
2
Post Views:
138
