Sistemas Autónomos: Construyendo Infraestructura que Piensa y Se Adapta

Descripción

Charla 1: Agentes como Sistemas Distribuidos Los agentes de largo plazo son el tema de un creciente cuerpo de trabajo. Un conjunto compartido de primitivas sigue apareciendo: orquestación determinista alrededor de actores probabilísticos, estado compartido duradero que sobrevive a las ventanas de contexto, y puertas de verificación que atrapan el progreso alucinado antes de que se acumule. Basándonos en un año de construcción de un arnés agente que genera y optimiza tiempos de ejecución de inferencia de LLM para hardware Arm desde la nube hasta el borde, repasamos cómo se materializan estas primitivas en la práctica: un libro de experimentos inmutable con razones de promoción adjuntas, una base de conocimiento que debe permanecer consistente a través de reinicios y actualizaciones de modelo, y puertas de corrección ordenadas estrictamente antes de las puertas de rendimiento. Describimos modos de falla concretos: corrección alucinada, contención de libro mayor, derivación de base de conocimiento — y las técnicas de sistemas distribuidos que mantuvieron honesto el arnés. Charla 2: Por Qué la IA Necesita Polystore Las aplicaciones evolucionan. Las bases de datos permanecen congeladas en el tiempo. Cada aplicación comienza con una decisión de almacenamiento. Elegimos una base de datos en función de los requisitos actuales, luego pasamos años construyendo alrededor de esa elección. Pero las aplicaciones rara vez se mantienen quietas. Se añaden nuevas características, cambian los patrones de acceso, los datos crecen y surgen cargas de trabajo completamente nuevas. La base de datos, sin embargo, permanece limitada por decisiones arquitectónicas tomadas hace mucho tiempo porque cambiar motores de almacenamiento es costoso, arriesgado y a menudo requiere reescribir la aplicación. ¿Qué pasaría si las bases de datos pudieran evolucionar junto a tu aplicación? ¿Qué pasaría si pudieran observar continuamente los patrones de carga de trabajo, entender la semántica de la aplicación, recomendar el mejor motor de almacenamiento para cada conjunto de datos y migrar datos de manera transparente a medida que cambian las cargas de trabajo? Hasta hace poco, esta visión estaba fuera de alcance. Elegir el motor de almacenamiento correcto requiere entender los matices y las compensaciones de muchos motores de almacenamiento diferentes, cada uno con su propia arquitectura, características de rendimiento y complejidad operativa. Muy pocos ingenieros poseen esa amplitud de experiencia. Los avances recientes en IA hacen posible capturar este conocimiento, razonar sobre las cargas de trabajo de las aplicaciones y automatizar la selección y migración de almacenamiento a una escala que antes era impráctica. En esta charla, exploraremos por qué los polystores son la arquitectura adecuada para este futuro. Discutiremos cómo la IA puede analizar cargas de trabajo, dirigir consultas al motor de almacenamiento más apropiado, recomendar o automatizar migraciones de datos a medida que las aplicaciones evolucionan, y presentar una única base de datos lógica a los desarrolladores. Finalmente, demostraremos estas ideas a través de KalDB, un polystore autónomo que se adapta a las aplicaciones en lugar de forzar a las aplicaciones a adaptarse a sus bases de datos. Sobre los Ponentes Thomas Cottenier es Ingeniero Principal Senior en Arm, trabajando en plataformas de desarrollador y servicios de IA a través de entornos de borde y nube. Anteriormente trabajó como Ingeniero Principal en AWS, donde contribuyó a herramientas de desarrollador impulsadas por IA, incluyendo CodeWhisperer, Amazon Q y Kiro. Posee un doctorado en informática en lenguajes de programación e ingeniería de software y tiene más de 20 años de experiencia abarcando compiladores, generación de código y aceleración de IA. Suman Karumuri es Ingeniero Principal especializado en sistemas distribuidos, bases de datos e infraestructura de búsqueda a gran escala. En las últimas dos décadas, ha construido infraestructura en Airbnb, Slack, Twitter, Meta, Amazon, Microsoft, Yahoo y Goldman Sachs. Su trabajo incluye liderar la plataforma de observabilidad de próxima generación de Airbnb, arquitectar el backend de búsqueda sin servidor de Slack y coautorizar la especificación OpenTracing. Actualmente está construyendo infraestructura de base de datos de próxima generación centrada en polystores autónomos que utilizan IA para optimizar la colocación de datos, la ejecución de consultas y la evolución del almacenamiento a través de motores de almacenamiento heterogéneos. Gracias a Arm por patrocinar el evento.