Model Klasifikasi Gambar Deci Ditemukan Menggunakan Daya Komputasi yang Jauh Lebih Sedikit Dibandingkan dengan Teknologi Terkemuka

Perusahaan pembelajaran dalam, Deci, yang bertujuan untuk memanfaatkan kecerdasan buatan untuk membangun kecerdasan buatan, telah mengumumkan penemuan model klasifikasi gambar yang disebut DeciNets. Mereka ditemukan melalui teknologi Automated Neural Architecture Construction (AutoNAC) milik Deci, dan membutuhkan dua pesanan besarnya daya komputasi yang lebih sedikit daripada teknologi Neural Architecture Search (NAS) skala Google (GOOGL ). Teknologi NAS sebelumnya digunakan untuk menemukan arsitektur neural seperti EfficientNet.

Telah ada peningkatan tekanan untuk model pembelajaran dalam yang lebih besar dengan kompleksitas algoritmik yang meningkat, yang berasal dari keinginan untuk akurasi dan kinerja yang lebih baik dengan tugas prediksi yang lebih kompleks. Ketersediaan perangkat keras yang lebih kuat dan data besar juga telah menyebabkan model pembelajaran dalam baru ini.

Alternatif untuk Pengembang

Namun, model ini tidak ideal untuk operasi inferensi yang efektif biaya di produksi. NAS dapat memainkan peran dalam mengotomatisasi desain jaringan neural buatan yang lebih efektif, yang dapat outperform arsitektur yang dirancang secara manual, tetapi mereka memerlukan sumber daya yang signifikan. Perusahaan yang telah berhasil menerapkan NAS biasanya adalah organisasi teknologi besar seperti Google dan Microsoft (MSFT ), sehingga tidak merupakan pilihan yang layak untuk sebagian besar pengembang.

Deci berusaha untuk memperbaiki masalah ini dengan mengembangkan AutoNAC, yang merupakan NAS yang pertama kali layak secara komersial. Ini memungkinkan pengembang untuk secara otomatis merancang dan membangun model pembelajaran dalam yang dapat outperform arsitektur lainnya. Pengembang dapat menetapkan parameter untuk tugas tertentu, seperti klasifikasi dan deteksi, dan mereka dapat menerapkan AutoNAC pada dataset mereka, memungkinkan mereka untuk mendapatkan model yang dioptimalkan siap untuk produksi dalam skala.

Aspek unik lain dari AutoNAC adalah bahwa itu sadar perangkat keras. Dengan kata lain, itu dapat mencapai kinerja maksimum dari perangkat keras apa pun dan mengirimkan model dalam berbagai lingkungan, seperti cloud, edge, dan mobile.

Yonatan Geifman adalah co-founder dan CEO dari Deci.

“Pembelajaran dalam sedang memungkinkan generasi berikutnya dari komputasi – tanpa model yang lebih tinggi dan lebih efisien yang berjalan dengan lancar pada perangkat keras apa pun, teknologi konsumen yang kita ambil untuk granted setiap hari akan mencapai hambatan,” kata Geifman. “Pendekatan ‘kecerdasan buatan yang membangun kecerdasan buatan’ dari Deci sangat penting dalam membuka kunci model yang diperlukan untuk melepaskan era inovasi baru, memberdayakan pengembang dengan alat yang diperlukan untuk mengubah ide menjadi produk revolusioner.”

AutoNAC diterapkan pada beberapa tugas untuk mengoptimalkan model pada berbagai prosesor inferensi, seperti NVIDIA’s (NVDA ) T4 GPU dan NVIDIA’s Jetson Xavier NX edge GPU. AutoNAC menemukan DeciNets untuk klasifikasi gambar menggunakan dataset benchmark ImageNet standar.

Mengungguli Platform Lain

Deci menunjukkan kemampuan untuk mengungguli platform lain dan menggunakan daya komputasi yang jauh lebih sedikit saat menghasilkan DeciNet-nya, yang berarti pengembang tidak memerlukan sumber daya yang berat dalam prosesnya. DeciNets dapat mengungguli jaringan neural terbuka apa pun yang tersedia di pasar, seperti EfficientNets dan MobileNets.

Prof. Ran El-Yaniv adalah co-founder dan Chief Scientist dari Deci.

“AutoNAC menemukan beberapa model klasifikasi dan deteksi terbaik hingga saat ini,” kata Prof. Ran El-Yaniv. “Tapi kita tidak akan berhenti di situ; teknologi kita dapat digunakan untuk tugas pembelajaran dalam apa pun, baik itu visi atau Pemrosesan Bahasa Alami (NLP), dan untuk setiap tujuan optimasi yang dapat diukur. Kami terus memperbaiki AutoNAC sehingga akan selalu memungkinkan pengembang untuk mendapatkan model yang paling kuat yang memecahkan batas efisiensi.”

Deci dinamai oleh Hewlett Packard Enterprise (HPE ) (HPE) sebagai anggota Program Mitra Teknologi mereka untuk mempercepat inovasi kecerdasan buatan, dan dimasukkan dalam daftar 2021 CB Insights AI 100 List sebagai akselerator pembelajaran dalam teratas. Teknologi AutoNAC sedang diterapkan di berbagai industri dalam lingkungan produksi.