Modelos de Classificação de Imagens da Deci Descobertos Usando Muito Menos Poder de Computação do que a Tecnologia Líder

A empresa de aprendizado profundo Deci, que visa utilizar a IA para construir a IA, anunciou a descoberta de modelos de classificação de imagens chamados DeciNets. Eles foram descobertos por meio da tecnologia proprietária de Construção Automatizada de Arquitetura Neural (AutoNAC) da Deci, e exigiu duas ordens de magnitude menos poder de computação do que as tecnologias de Pesquisa de Arquitetura Neural (NAS) em escala Google. As tecnologias NAS foram anteriormente usadas para descobrir arquiteturas neurais como a EfficientNet.

Houve um aumento na busca por modelos de aprendizado profundo maiores com complexidade algorítmica crescente, o que decorre do desejo de precisão e desempenho melhorados com tarefas de previsão mais complexas. A disponibilidade de hardware mais poderoso e grandes dados também levou a esses novos modelos de aprendizado profundo. 

Opções Alternativas para Desenvolvedores

No entanto, esses modelos não são ideais para operações de inferência de baixo custo em produção. A NAS pode desempenhar um papel na automação do design de redes neurais artificiais mais eficazes, que podem superar as arquiteturas projetadas manualmente, mas elas exigem recursos significativos. As empresas que conseguiram implementar com sucesso a NAS são frequentemente organizações de tecnologia de grande porte, como a Google e a Microsoft, portanto, não é uma opção viável para a maioria dos desenvolvedores.

A Deci buscou remediar esse problema desenvolvendo a AutoNAC, que é a primeira NAS comercialmente viável. Ela permite que os desenvolvedores projetem e construam automaticamente modelos de aprendizado profundo que podem superar outras arquiteturas de ponta. Os desenvolvedores podem definir parâmetros para tarefas específicas, como classificação e detecção, e podem aplicar a AutoNAC ao seu conjunto de dados, permitindo que obtenham modelos otimizados prontos para produção em escala. 

Outro aspecto único da AutoNAC é que ela é consciente do hardware. Em outras palavras, ela pode alcançar o desempenho máximo de qualquer hardware e implantar modelos em uma variedade de ambientes, como nuvem, borda e móvel.

Yonatan Geifman é co-fundador e CEO da Deci. 

“O aprendizado profundo está impulsionando a próxima geração de computação – sem modelos mais eficientes e de alto desempenho que funcionem perfeitamente em qualquer hardware, as tecnologias de consumo que damos como certas todos os dias atingirão uma barreira”, disse Geifman. “A abordagem ‘IA que constrói a IA’ da Deci é crucial para desbloquear os modelos necessários para desencadear uma nova era de inovação, capacitando os desenvolvedores com as ferramentas necessárias para transformar ideias em produtos revolucionários.” 

A AutoNAC foi aplicada em várias tarefas para otimizar modelos sobre vários processadores de inferência, como o T4 GPU da NVIDIA e o edge GPU Jetson Xavier NX da NVIDIA. A AutoNAC descobriu os DeciNets para classificação de imagens usando o conjunto de dados de benchmark padrão ImageNet. 

Superando Outras Plataformas

A Deci demonstrou a capacidade de superar outras plataformas e usar muito menos computação ao gerar seu DeciNet, o que significa que os desenvolvedores não precisam de recursos pesados no processo. Os DeciNets conseguiram superar qualquer rede neural de código aberto conhecida disponível no mercado, como as EfficientNets e as MobileNets. 

O Prof. Ran El-Yaniv é co-fundador e Cientista Chefe da Deci. 

“A AutoNAC descobriu alguns dos melhores modelos de classificação e detecção até o momento”, disse o Prof. Ran El-Yaniv. “Mas não vamos parar por aí; nossa tecnologia pode ser usada para qualquer tarefa de aprendizado profundo, seja visão ou Processamento de Linguagem Natural (NLP), e para qualquer objetivo de otimização mensurável. Continuamos a melhorar a AutoNAC para que ela sempre permita que os desenvolvedores obtenham os modelos mais poderosos que rompam a fronteira eficiente.”

A Deci foi nomeada pela Hewlett Packard Enterprise (HPE) como membro de seu Programa de Parceiros de Tecnologia para acelerar a inovação em IA, e foi incluída na Lista de 2021 da CB Insights AI 100 como um dos principais aceleradores de aprendizado profundo. A tecnologia AutoNAC está sendo implementada em ambientes de produção em várias indústrias.