Μοντέλα και πλατφόρμες AI
Τα μοντέλα ταξινόμησης εικόνων της Deci ανακαλύφθηκαν με πολύ λιγότερη υπολογιστική ισχύ από τις ηγετικές τεχνολογίες
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Η εταιρεία deep learning Deci, η οποία στοχεύει να αξιοποιήσει την τεχνητή νοημοσύνη για να xây dựng τεχνητή νοημοσύνη, ανακοίνωσε την ανακάλυψη μοντέλων ταξινόμησης εικόνων που ονομάζονται DeciNets. Αυτά ανακαλύφθηκαν μέσω της ιδιοκτησιακής τεχνολογίας Automated Neural Architecture Construction (AutoNAC) της Deci και απαιτούσαν δύο τάξεις μεγέθους λιγότερη υπολογιστική ισχύ από τις τεχνολογίες Neural Architecture Search (NAS) κλίμακας Google (GOOGL ). Οι τεχνολογίες NAS είχαν χρησιμοποιηθεί προηγουμένως για την ανακάλυψη νευρωνικών αρχιτεκτονικών όπως το EfficientNet.
Υπήρχε μια αυξημένη πίεση για μεγαλύτερα μοντέλα deep learning με αυξανόμενη αλγοριθμική πολυπλοκότητα, η οποία προέρχεται από την επιθυμία για βελτιωμένη ακρίβεια και απόδοση με πιο σύνθετες προβλέψεις. Η διαθεσιμότητα πιο ισχυρού υλικού και μεγάλων δεδομένων οδήγησε επίσης σε αυτά τα νέα μοντέλα deep learning.
Εναλλακτικές επιλογές για τους développers
Ωστόσο, αυτά τα μοντέλα δεν είναι ιδανικά για οικονομικές επιχειρήσεις σε παραγωγή. Η NAS μπορεί να παίξει ένα ρόλο στην αυτοματοποίηση του σχεδιασμού πιο αποτελεσματικών τεχνητών νευρωνικών δικτύων, τα οποία μπορούν να ξεπεράσουν τις χειροκίνητα σχεδιασμένες αρχιτεκτονικές, αλλά απαιτούν σημαντικούς πόρους. Οι εταιρείες που έχουν能够 να εφαρμόσουν επιτυχώς την NAS είναι συχνά μεγάλες τεχνολογικές εταιρείες όπως η Google και η Microsoft (MSFT ), οπότε δεν είναι μια βιώσιμη επιλογή για τους περισσότερους développers.
Η Deci έθεσε ως στόχο να θεραπεύσει αυτό το πρόβλημα αναπτύσσοντας την AutoNAC, η οποία είναι η πρώτη εμπορικά βιώσιμη NAS. Επιτρέπει στους développers να σχεδιάζουν και να xây dựng αυτόματα μοντέλα deep learning που μπορούν να ξεπεράσουν άλλες κορυφαίες αρχιτεκτονικές. Οι développers μπορούν να ορίσουν παραμέτρους για συγκεκριμένες εργασίες, όπως ταξινόμηση και ανίχνευση, και μπορούν να εφαρμόσουν την AutoNAC στο dataset τους, επιτρέποντάς τους να λάβουν βελτιστοποιημένα μοντέλα έτοιμα για παραγωγή σε κλίμακα.
Μια άλλη μοναδική πτυχή της AutoNAC είναι ότι είναι hardware-aware. Με άλλα λόγια, μπορεί να επιτύχει την μέγιστη απόδοση από οποιοδήποτε υλικό και να αναπτύξει μοντέλα σε διάφορες περιβάλλοντες, όπως cloud, edge και mobile.
Ο Yonatan Geifman είναι συνιδρυτής και CEO της Deci.
«Η deep learning δίνει ενέργεια στην επόμενη γενιά της υπολογιστικής – χωρίς πιο υψηλές επιδόσεις και πιο αποτελεσματικά μοντέλα που τρέχουν ομαλά σε οποιοδήποτε υλικό, οι καταναλωτικές τεχνολογίες που λαμβάνουμε ως δεδομένες κάθε μέρα θα φθάσουν σε ένα εμπόδιο», είπε ο Geifman. «Η προσέγγιση της Deci «AI που xây dựng AI» είναι κρίσιμη για την απελευθέρωση των μοντέλων που χρειάζονται για να ξεκινήσει eine νέα εποχή καινοτομίας, ενδυναμώνοντας τους développers με τα εργαλεία που απαιτούνται για να μετατρέψουν τις ιδέες σε επαναστατικά προϊόντα».
Η AutoNAC εφαρμόστηκε σε διάφορες εργασίες για να βελτιστοποιήσει μοντέλα σε διάφορους inference processors, όπως το NVIDIA’s (NVDA ) T4 GPU και το NVIDIA’s Jetson Xavier NX edge GPU. Η AutoNAC ανακάλυψε DeciNets για ταξινόμηση εικόνων χρησιμοποιώντας το πρότυπο dataset ImageNet.
Ξεπερνώντας άλλες πλατφόρμες
Η Deci απέδειξε την ικανότητα να ξεπεράσει άλλες πλατφόρμες και να χρησιμοποιήσει πολύ λιγότερη υπολογιστική ισχύ κατά τη διάρκεια της γεννήσεως του DeciNet, που σημαίνει ότι οι développers δεν χρειάζονται βαριά πόρους στη διαδικασία. Τα DeciNets ήταν σε θέση να ξεπεράσουν οποιοδήποτε γνωστό ανοιχτό νευρωνικό δίκτυο που είναι διαθέσιμο στην αγορά, όπως τα EfficientNets και MobileNets.
Ο Prof. Ran El-Yaniv είναι συνιδρυτής και Chief Scientist της Deci.
«Η AutoNAC ανακάλυψε κάποια από τα καλύτερα μοντέλα ταξινόμησης και ανίχνευσης μέχρι σήμερα», είπε ο Prof. Ran El-Yaniv. «Αλλά δεν θα σταματήσουμε εκεί. Η τεχνολογία μας μπορεί να χρησιμοποιηθεί για οποιαδήποτε εργασία deep learning, είτε είναι όραση είτε Natural Language Processing (NLP), και για κάθε μετρήσιμο στόχο βελτιστοποίησης. Συνεχώς βελτιώνουμε την AutoNAC, ώστε να επιτρέψουμε στους développers να λαμβάνουν τα πιο ισχυρά μοντέλα που σπάζουν το αποτελεσματικό μέτωπο».
Η Deci ονομάστηκε από την Hewlett Packard Enterprise (HPE ) (HPE) ως μέλος του Technology Partner Program για να επιταχύνει την καινοτομία της AI, και συμπεριλήφθηκε στον κατάλογο CB Insights AI 100 του 2021 ως ένας από τους κορυφαίους επιταχυντές deep learning. Η τεχνολογία AutoNAC εφαρμόζεται σε διάφορους κλάδους σε περιβάλλοντα παραγωγής.
