Mesterséges Intelligencia
A Deci képbesorolási modelljei, amelyeket jóval kevesebb számítási teljesítménnyel fedeztek fel, mint a vezető technikák
Mélyen tanuló társaság így, amely a mesterséges intelligencia hasznosítását célozza meg a mesterséges intelligencia felépítésében, bejelentette a DeciNets nevű képosztályozási modellek felfedezését. A Deci szabadalmazott Automated Neural Architecture Construction (AutoNAC) technológiája révén fedezték fel őket, és két nagyságrenddel kevesebb számítási teljesítményt igényelt, mint a Google-méretű Neural Architecture Search (NAS) technológiáé. A NAS-technológiákat korábban olyan neurális architektúrák felfedezésére használták, mint az EfficientNet.
Megnövekedett a törekvés a nagyobb mélyreható tanulási modellek iránt, amelyek egyre bonyolultabb algoritmussal rendelkeznek, ami a bonyolultabb előrejelzési feladatokkal való jobb pontosság és teljesítmény iránti vágyból fakad. A nagyobb teljesítményű hardverek és a big data rendelkezésre állása ezekhez az új mély tanulási modellekhez is vezetett.
Alternatív lehetőségek a fejlesztőknek
Ezek a modellek azonban nem ideálisak a termelésben végzett költséghatékony következtetési műveletekhez. A NAS szerepet játszhat a hatékonyabb mesterséges neurális hálózatok tervezésének automatizálásában, amelyek felülmúlhatják a manuálisan tervezett architektúrákat, de jelentős erőforrásokat igényelnek. Azok a vállalatok, amelyek sikeresen be tudták vezetni a NAS-t, gyakran olyan hatalmas technológiai szervezetek, mint a Google és a Microsoft, így ez a legtöbb fejlesztő számára nem életképes megoldás.
A Deci a probléma orvoslását tűzte ki célul az AutoNAC fejlesztésével, amely az első kereskedelmileg életképes NAS. Lehetővé teszi a fejlesztők számára, hogy automatikusan tervezzenek és építsenek mély tanulási modelleket, amelyek felülmúlják a többi csúcsarchitektúrát. A fejlesztők paramétereket állíthatnak be bizonyos feladatokhoz, például az osztályozáshoz és az észleléshez, és alkalmazhatják az AutoNAC-ot adatkészletükre, lehetővé téve számukra, hogy optimalizált modelleket kapjanak, amelyek készen állnak a gyártásra.
Az AutoNAC másik egyedi jellemzője, hogy hardvertudatos. Más szavakkal, bármilyen hardverrel maximális teljesítményt tud elérni, és modelleket telepíthet különféle környezetekben, például felhőben, élen és mobilban.
Yonatan Geifman a Deci társalapítója és vezérigazgatója.
„A mélyreható tanulás a számítástechnika következő generációjának hajtóereje – nagyobb teljesítményű és hatékonyabb modellek nélkül, amelyek zökkenőmentesen futnak bármilyen hardveren, a mindennapi természetesnek tartott fogyasztói technológiák akadályba ütköznek” – mondta Geifman. „A Deci „A mesterséges intelligenciát építő mesterséges intelligencia” megközelítése kulcsfontosságú az innováció új korszakának felszabadításához szükséges modellek felszabadításában, felhatalmazva a fejlesztőket az ötletek forradalmi termékekké alakításához szükséges eszközökkel.”
Az AutoNAC-ot számos feladatnál alkalmazták a modellek optimalizálására különféle következtetési processzorokon, például az NVIDIA T4 GPU-ján és az NVIDIA Jetson Xavier NX edge GPU-ján. Az AutoNAC felfedezte a DeciNeteket a képosztályozáshoz a szabványos ImageNet benchmark adatkészlet segítségével.
Más platformokon felülmúlva
A Deci bebizonyította, hogy képes felülmúlni más platformokat, és sokkal kevesebb számítást igényel a DeciNet létrehozása során, ami azt jelenti, hogy a fejlesztőknek nincs szükségük komoly erőforrásokra a folyamat során. A DeciNets képes volt felülmúlni a piacon elérhető összes ismert nyílt forráskódú neurális hálózatot, mint például az EfficientNets és a MobileNets.
Prof. Ran El-Yaniv a Deci társalapítója és vezető tudósa.
"Az AutoNAC felfedezte az eddigi legjobb osztályozási és észlelési modelleket" - mondta Prof. Ran El-Yaniv. – De nem állunk meg itt; technológiánk bármilyen mély tanulási feladathoz használható, legyen az látás vagy természetes nyelvi feldolgozás (NLP), és minden mérhető optimalizálási célhoz. Folyamatosan fejlesztjük az AutoNAC-ot, hogy mindig lehetővé tegye a fejlesztők számára a legerősebb modellek beszerzését, amelyek áttörik a hatékony határt.”
A Decit a Hewlett Packard Enterprise (HPE) a technológiai partnerprogramjuk tagjának nevezte az AI innováció felgyorsítása érdekében, és bekerült a 2021. évi CB Insights AI 100 lista mint a legjobb mély tanulási gyorsító. Az AutoNAC technológiát több iparágban alkalmazzák termelési környezetben.
