Deciの画像分類モデルは、先進的なテクノロジーに比べてはるかに少ない計算能力で発見された

ディープラーニング企業Deciは、AIを利用してAIを構築することを目的としており、DeciNetsと呼ばれる画像分類モデルを発見した。これらは、Deciの独自のAutomated Neural Architecture Construction（AutoNAC）テクノロジーを通じて発見され、GoogleスケールのNeural Architecture Search（NAS）テクノロジーに比べて2桁少ない計算能力で実現された。NASテクノロジーは、EfficientNetなどのニューラルアーキテクチャの発見に以前使用されていた。

より大きなディープラーニングモデルとアルゴリズミックな複雑さの増加が求められており、これはより複雑な予測タスクに対する精度とパフォーマンスの向上の願望に起因する。また、より強力なハードウェアとビッグデータの可用性も、これらの新しいディープラーニングモデルの発展につながっている。

開発者向けの代替オプション

しかし、これらのモデルは、コスト効率の高いインファレンス操作に対して最適ではない。NASは、手作業で設計されたアーキテクチャよりも優れた人工ニューラルネットワークの設計を自動化する役割を果たす可能性があるが、多大なリソースを必要とする。NASを成功裏に実装した企業は、GoogleやMicrosoft (MSFT ) のような大規模なテクノロジー企業であることが多いため、ほとんどの開発者にとって実行可能なオプションではない。

Deciは、この問題を解決するためにAutoNACを開発し、これは最初の商業的に実行可能なNASである。開発者は、特定のタスク、たとえば分類と検出、に対して自動的にディープラーニングモデルを設計および構築できる。これらのモデルは、他のトップアーキテクチャを上回るパフォーマンスを発揮できる。開発者は、データセットにAutoNACを適用し、プロダクションレベルで最適化されたモデルを取得できる。

AutoNACのもう一つの独自の側面は、ハードウェアに依存しないことである。つまり、任意のハードウェアで最大のパフォーマンスを達成し、クラウド、エッジ、モバイルなどのさまざまな環境にモデルを展開できる。

Yonatan Geifmanは、Deciの共同創設者兼CEOである。

「ディープラーニングは、次の世代のコンピューティングを推進する力です。より高性能で効率的なモデルがあらゆるハードウェアでシームレスに動作しない限り、毎日使っている消費者テクノロジーは限界に達してしまうでしょう。Deciの『AIがAIを構築する』アプローチは、革新を解き放つために必要なモデルを解放する上で重要です。開発者は、アイデアを革命的な製品に変えるために必要なツールを手に入れることができます。」

AutoNACは、NVIDIA (NVDA ) のT4 GPUやNVIDIAのJetson Xavier NXエッジGPUなどのさまざまなインファレンスプロセッサでモデルを最適化するために適用された。AutoNACは、標準のImageNetベンチマークデータセットを使用して、画像分類用のDeciNetsを発見した。

他のプラットフォームを上回る

Deciは、他のプラットフォームを上回り、DeciNetを生成する際にはるかに少ない計算能力を使用する能力を実証した。開発者は、プロセスで多大なリソースを必要としない。DeciNetsは、EfficientNetsやMobileNetsなどの既知のオープンソースニューラルネットを上回ることができた。

Prof. Ran El-Yanivは、Deciの共同創設者兼チーフサイエンティストである。

「AutoNACは、現在までで最も優れた分類および検出モデルを発見しました。しかし、そこで止まるのではなく、私たちのテクノロジーは、ビジョンや自然言語処理（NLP）などのあらゆるディープラーニングタスクに使用でき、すべての測定可能な最適化目標に対して使用できます。私たちは、AutoNACを継続的に改善し、開発者が常に最も強力なモデルを取得できるようにします。」

Deciは、Hewlett Packard Enterprise (HPE ) （HPE）によって、AIイノベーションを加速するためのテクノロジーパートナープログラムのメンバーとして名指しされた。また、2021年のCB Insights AI 100リストに、トップのディープラーニングアクセラレータとして含まれた。AutoNACテクノロジーは、さまざまな業界で生産環境に導入されている。