Արհեստական բանականություն
Deci-ի պատկերների դասակարգման մոդելները հայտնաբերվել են՝ օգտագործելով շատ ավելի քիչ հաշվողական հզորություն, քան առաջատար տեխնոլոգիաները
Deep Learning ընկերություն ԴեցիAI-ը, որը նպատակ ունի օգտագործել AI-ն արհեստական ինտելեկտ ստեղծելու համար, հայտարարել է DeciNets կոչվող պատկերների դասակարգման մոդելների հայտնաբերման մասին: Դրանք հայտնաբերվել են Deci-ի սեփականություն հանդիսացող Automated Neural Architecture Construction (AutoNAC) տեխնոլոգիայի միջոցով, և դրա համար պահանջվել է երկու կարգով ավելի քիչ հաշվողական հզորություն, քան Google-ի մասշտաբով Նյարդային ճարտարապետության որոնման (NAS) տեխնոլոգիաները: NAS տեխնոլոգիաները նախկինում օգտագործվել են նեյրոնային ճարտարապետություններ հայտնաբերելու համար, ինչպիսին EfficientNet-ն է:
Ավելացել է ավելի մեծ խորը ուսուցման մոդելներ՝ աճող ալգորիթմական բարդությամբ, ինչը բխում է ավելի բարդ կանխատեսման առաջադրանքներով կատարելագործված ճշգրտության և կատարողականի ցանկությունից: Ավելի հզոր սարքավորումների և մեծ տվյալների առկայությունը նույնպես հանգեցրել է խորը ուսուցման այս նոր մոդելներին:
Այլընտրանքային տարբերակներ մշակողների համար
Այնուամենայնիվ, այս մոդելները իդեալական չեն արտադրության մեջ ծախսարդյունավետ եզրակացության գործողությունների համար: ԳԱԱ-ն կարող է դեր խաղալ ավելի արդյունավետ արհեստական նեյրոնային ցանցերի նախագծման ավտոմատացման գործում, որոնք կարող են գերազանցել ձեռքով նախագծված ճարտարապետություններին, սակայն դրանք զգալի ռեսուրսներ են պահանջում: Ընկերությունները, որոնք կարողացել են հաջողությամբ իրականացնել ԳԱԱ-ն, հաճախ խոշոր տեխնոլոգիական կազմակերպություններ են, ինչպիսիք են Google-ը և Microsoft-ը, ուստի այն կենսունակ տարբերակ չէ մշակողների մեծ մասի համար:
Deci-ն ձեռնամուխ եղավ լուծելու այս խնդիրը՝ զարգացնելով AutoNAC-ը, որն առաջին առևտրային առումով կենսունակ ԳԱԱ-ն է: Այն ծրագրավորողներին թույլ է տալիս ավտոմատ կերպով նախագծել և կառուցել խորը ուսուցման մոդելներ, որոնք կարող են գերազանցել այլ առաջատար ճարտարապետներին: Մշակողները կարող են պարամետրեր սահմանել հատուկ առաջադրանքների համար, ինչպիսիք են դասակարգումը և հայտնաբերումը, և նրանք կարող են կիրառել AutoNAC-ն իրենց տվյալների բազայում՝ հնարավորություն տալով նրանց ձեռք բերել օպտիմիզացված մոդելներ, որոնք պատրաստ են արտադրության մասշտաբով:
AutoNAC-ի մեկ այլ եզակի կողմն այն է, որ այն ապարատային տեղյակ է: Այլ կերպ ասած, այն կարող է հասնել առավելագույն արդյունավետության ցանկացած սարքաշարից և մոդելներ տեղակայել տարբեր միջավայրերում, ինչպիսիք են ամպը, եզրը և բջջայինը:
Յոնաթան Գեյֆմանը Deci-ի համահիմնադիր և գործադիր տնօրեն է:
«Խորը ուսուցումը հզորացնում է հաշվարկների հաջորդ սերունդը. առանց ավելի բարձր կատարողականությամբ և ավելի արդյունավետ մոդելների, որոնք անխափան աշխատում են ցանկացած սարքաշարի վրա, սպառողական տեխնոլոգիաները, որոնք մենք ընդունում ենք ամեն օր, կհասնեն խոչընդոտի», - ասաց Գեյֆմանը: «Deci-ի «AI, որը կառուցում է AI» մոտեցումը շատ կարևոր է նորարարության նոր դարաշրջան բացելու համար անհրաժեշտ մոդելները բացելու համար՝ ծրագրավորողներին հզորացնելով այն գործիքներով, որոնք անհրաժեշտ են գաղափարները հեղափոխական արտադրանքի վերածելու համար»:
AutoNAC-ը կիրառվել է մի քանի առաջադրանքների վրա՝ մոդելները օպտիմալացնելու տարբեր եզրահանգման պրոցեսորների միջոցով, ինչպիսիք են NVIDIA-ի T4 GPU-ն և NVIDIA-ի Jetson Xavier NX edge GPU-ն: AutoNAC-ը հայտնաբերել է DeciNets պատկերների դասակարգման համար՝ օգտագործելով ImageNet ստանդարտ տվյալների բազան:
Գերազանցում այլ հարթակներում
Deci-ն իր DeciNet-ն ստեղծելիս ցույց տվեց մյուս հարթակներից գերազանցելու և շատ ավելի քիչ հաշվարկներ օգտագործելու ունակություն, ինչը նշանակում է, որ մշակողները գործընթացում ծանր ռեսուրսների կարիք չունեն: DeciNets-ը կարողացավ գերազանցել շուկայում առկա բոլոր հայտնի բաց կոդով նեյրոնային ցանցերը, ինչպիսիք են EfficientNets-ը և MobileNets-ը:
Պրոֆեսոր Ռան Էլ-Յանիվը Deci-ի համահիմնադիր և գլխավոր գիտնական է:
«AutoNAC-ը հայտնաբերել է մինչ այժմ դասակարգման և հայտնաբերման լավագույն մոդելներից մի քանիսը», - ասաց պրոֆ. Ռան Էլ-Յանիվը: «Բայց մենք դրանով չենք սահմանափակվի. մեր տեխնոլոգիան կարող է օգտագործվել խորը ուսուցման ցանկացած առաջադրանքի համար՝ լինի դա տեսլական կամ բնական լեզվի մշակում (NLP), և յուրաքանչյուր չափելի օպտիմալացման նպատակի համար: Մենք շարունակաբար բարելավում ենք AutoNAC-ը, որպեսզի այն միշտ թույլ կտա ծրագրավորողներին ձեռք բերել ամենահզոր մոդելները, որոնք խախտում են արդյունավետ սահմանները»:
Deci-ն ճանաչվել է Hewlett Packard Enterprise-ի (HPE) կողմից որպես իրենց Տեխնոլոգիական գործընկեր ծրագրի անդամ՝ արագացնելու AI-ի նորարարությունը, և այն ներառվել է ծրագրում: 2021 CB Insights AI 100 ցուցակ որպես խորը ուսուցման լավագույն արագացուցիչ: AutoNAC տեխնոլոգիան իրականացվում է արտադրական միջավայրերում արդյունաբերության մեջ:
