Il filo conduttore che caratterizza le novità di prodotto annunciate è la profonda integrazione tra intelligenza artificiale e dati. L’approccio Microsoft semplifica drasticamente l’impiego dell’AI, e porta l’intelligenza in piattaforme dati esistenti e ben strutturate attraverso un nuovo modello informatico: il deep learning GPU. Questo approccio è stato adottato per il lancio della prossima versione di SQL Server, dove sono state integrate in profondità le funzioni di deep learning e machine learning per supportare la nuova generazione di applicazioni AI per le imprese. Microsoft ha presentato la Preview 2.0 di SQL Server 2017 Community Technology. In questa versione preliminare, è stato introdotto un supporto nativo nel database per graph dataper, per una ricca libreria di funzioni di machine learning e, per la prima volta, il supporto Python (oltre a R). SQL Server è in grado di sfruttare il computing accelerato di GPU di NVIDIA attraverso l’interfaccia Python/R per assolvere anche ad attività più gravose di deep-learning su immagini, testi e altri dati non strutturati. Gli sviluppatori possono implementare le analytics accelerate da GPU di NVIDIA e soluzioni AI molto sofisticate direttamente in SQL Server come fossero delle stored procedure, ottenendo performance ed un’efficienza notevolmente maggiore. Per approfondire ulteriormente la Preview 2.0 di SQL Server 2017 Community Technology è possibile consultare il SQL Server Blog .

E’ stato inoltre rilasciato Microsoft R Server 9.1, che arricchisce di nuove funzioni la nostra offerta per Hadoop, Spark e SQL Server ovviamente.

Per quanto riguarda il cloud e i servizi cognitivi invece sono state presentate le API Viso, Visione artificiale, e Content Moderator ora disponibili pubblicamente per tutti sul portale di Azure. L’API Viso aiuta a confrontare i visi umani, organizzare i volti in gruppi in base alla somiglianza visiva e a individuare le persone precedentemente taggate nelle immagini. L’API Visione Artificiale offre gli strumenti per capire i contenuti di qualsiasi immagine: crea tag di identificazione degli oggetti, degli individui come i personaggi famosi o delle azioni contenuti in un’immagine ed elabora frasi coerenti per descriverla. È possibile riconoscere i punti di riferimento (landmark) e le scritte a mano sulle immagini. Content Moderator offre la moderazione automatizzata di testo e immagini, potenziata con strumenti di verifica umana.

Un altro importante annuncio riguarda Azure Data Lake Analytics (ADLA), un rivoluzionario servizio di analisi senza server (serverless), che consente di sviluppare e utilizzare programmi di elaborazione e trasformazione dei dati con architettura altamente parallela in U-SQL, R, Python e .NET su petabyte di dati. Non avendo infrastrutture da gestire, consente di elaborare i dati on-demand, con scalabilità immediata e pagamento in base al parallelismo richiesto per l’analisi.  Un’altra straordinaria integrazione tra dati e intelligenza artificiale è l’integrazione perfetta di DocumentDB e Spark, che consente funzioni di machine learning e advanced analytics su dati distribuiti globalmente. In sintesi, DocumentDB è un servizio Azure di database NoSQL distribuito globalmente e senza limiti pensato per le applicazioni mission-critical.  Sono inoltre disponibili al pubblico i servizi di analisi Azure Analysis Services, che garantiscono capacità di modellazione semantica di business intelligence per le imprese, uniti ai vantaggi offerti dal cloud quali scalabilità, flessibilità e gestione dei dati. Azure Analysis Services consente di integrare dati provenienti da una moltitudine di fonti, quali, ad esempio, Azure Data Lake, Azure SQL DW, e da una moltitudine di database, sia locali che nel cloud, e li trasforma in informazioni utili circa le vostre attività.

Prestazioni e sicurezza ottimizzate

Prestazioni e sicurezza sono elementi fondamentali quando si parla di database. SQL Server 2016 su Windows Server 2016 detiene una serie di record nei benchmark di Transaction Processing Performance Council (TPC) relativi alle prestazioni dei workload operativi e analitici, e queste caratteristiche sono addirittura potenziate nel SQL Server 2017. SQL Server 2017 sarà veloce tanto su Linux quanto su Windows e garantirà, caratteristiche prestazionali, di scalabilità e di sicurezza rivoluzionarie in termini di immagazzinamento dati. Con interrogazioni analitiche fino a 100 volte più veloci grazie ai Columnstores in-memory, PolyBase per singole interrogazioni T-SQL su sistemi relazionali e Hadoop, sarà possibile rendere scalabili centinaia di terabyte di dati, modalità di rendicontazione moderne oltre ad accedere alla business intelligence da remoto.

Nel cloud, Azure SQL Database utilizza l’intelligence per garantire la sicurezza dei dati e potenziare le prestazioni dei database. Il rilevamento di eventuali minacce in Azure SQL Database è sempre attivo grazie all’impiego di tecnologie di machine learning per rilevare attività sospette sui database, segnalando tentativi insoliti e potenzialmente pericolosi di accesso o utilizzo degli stessi. Ai clienti basta semplicemente attivare la funzione Threat Detection (Rilevamento Minacce) per rendere i propri database più resistenti ad eventuali intrusioni.