Amazon สร้างเครื่องมือใหม่เพื่อออกแบบโมเดล AI ด้วยโค้ดเพียงไม่กี่บรรทัด

เนื่องจากความพยายามในการทำให้การเรียนรู้ของเครื่องจักรง่ายขึ้น เข้าถึงได้มากขึ้น บริษัทต่างๆ จึงสร้างเครื่องมือเพื่อทำให้การสร้างและการเพิ่มประสิทธิภาพของโมเดลการเรียนรู้เชิงลึกง่ายขึ้น เช่น VentureBeat รายงาน Amazon ได้เปิดตัวเครื่องมือใหม่ที่ออกแบบมาเพื่อช่วยสร้างและแก้ไขโมเดลแมชชีนเลิร์นนิงด้วยโค้ดเพียงไม่กี่บรรทัด

การดำเนินการแมชชีนเลิร์นนิงบนชุดข้อมูลมักเป็นงานที่ยาวนานและซับซ้อน ข้อมูลจะต้องถูกแปลงและประมวลผลล่วงหน้า จากนั้นจะต้องสร้างและปรับแต่งโมเดลที่เหมาะสม การปรับแต่งไฮเปอร์พารามิเตอร์ของโมเดลและการฝึกอบรมใหม่อาจใช้เวลานาน และเพื่อช่วยแก้ปัญหาเช่นนี้ Amazon ได้เปิดตัว AutoGluon AutoGluon เป็นความพยายามที่จะทำให้โอเวอร์เฮดส่วนใหญ่ทำงานโดยอัตโนมัติ ซึ่งมักจะมาพร้อมกับการสร้างระบบการเรียนรู้ของเครื่อง ตัวอย่างเช่น วิศวกรแมชชีนเลิร์นนิงไม่เพียงแต่ต้องตัดสินใจเลือกสถาปัตยกรรมที่เหมาะสมเท่านั้น พวกเขายังต้องทดลองกับไฮเปอร์พารามิเตอร์ของโมเดลด้วย AutoGluon พยายามที่จะทำให้ทั้งการสร้างสถาปัตยกรรมเน็ตเทียมและการเลือกไฮเปอร์พารามิเตอร์ที่เหมาะสมง่ายขึ้น

AutoGluon อิงตามผลงานที่เริ่มต้นโดย Microsoft และ Amazon ในปี 2017 Gluon เดิมเป็นอินเทอร์เฟซการเรียนรู้ของเครื่องที่ออกแบบมาเพื่อให้นักพัฒนาผสมและจับคู่ส่วนประกอบที่ปรับให้เหมาะสมเพื่อสร้างโมเดลของตนเอง แต่ AutoGluon สร้างโมเดลแบบ end-to-end ตาม ตามความต้องการของผู้ใช้ มีรายงานว่า AutoGluon สามารถสร้างโมเดลและเลือกไฮเปอร์พารามิเตอร์สำหรับโมเดลได้ภายในช่วงของตัวเลือกที่ระบุ โดยมีโค้ดเพียงสามบรรทัด นักพัฒนาเพียงระบุอาร์กิวเมนต์ไม่กี่อย่าง เช่น เวลาเสร็จสิ้นการฝึกอบรมที่ต้องการ และ AutoGluon จะคำนวณโมเดลที่ดีที่สุดที่จะเสร็จสิ้นภายในรันไทม์ที่ระบุและให้ทรัพยากรการคำนวณที่มีอยู่

ปัจจุบัน AutoGluon สามารถสร้างแบบจำลองสำหรับการจำแนกภาพ การจำแนกข้อความ การตรวจจับวัตถุ และการทำนายแบบตาราง นอกจากนี้ API ของ AutoGluon ยังช่วยให้นักพัฒนาที่มีประสบการณ์สามารถปรับแต่งโมเดลที่สร้างขึ้นโดยอัตโนมัติและปรับปรุงประสิทธิภาพได้ ในขณะนี้ AutoGluon ใช้ได้เฉพาะกับ Linux และต้องใช้ Python 3.6 หรือ 3.7

Jonas Mueller ซึ่งเป็นส่วนหนึ่งของทีมพัฒนา AutoGluon อธิบายเหตุผลเบื้องหลังการสร้าง AutoGluon:

“เราพัฒนา AutoGluon เพื่อทำให้แมชชีนเลิร์นนิงเป็นประชาธิปไตยอย่างแท้จริง และทำให้นักพัฒนาทุกคนสามารถใช้พลังแห่งการเรียนรู้เชิงลึกได้ AutoGluon แก้ปัญหานี้ได้เนื่องจากตัวเลือกทั้งหมดจะถูกปรับโดยอัตโนมัติภายในช่วงเริ่มต้นที่ทราบกันดีว่าทำงานได้ดีสำหรับงานและรุ่นเฉพาะ”

AutoGluon เป็นวิธีใหม่ในวิธีการต่างๆ มากมายที่มีจุดประสงค์เพื่อลดความเชี่ยวชาญและเวลาที่จำเป็นในการฝึกโมเดลแมชชีนเลิร์นนิง ไลบรารีซอฟต์แวร์เช่น Theano ทำให้การคำนวณเวกเตอร์การไล่ระดับสีเป็นไปโดยอัตโนมัติ ในขณะที่ Keras ช่วยให้นักพัฒนาสามารถระบุไฮเปอร์พารามิเตอร์ที่ต้องการได้อย่างง่ายดาย Amazon เชื่อว่ายังมีปัจจัยอื่นๆ อีกมากที่สามารถครอบคลุมได้เมื่อต้องทำให้แมชชีนเลิร์นนิงเป็นประชาธิปไตย เช่น ทำให้การประมวลผลข้อมูลล่วงหน้าและการปรับไฮเปอร์พารามิเตอร์ง่ายขึ้น

การสร้าง AutoGluon ดูเหมือนจะเป็นส่วนหนึ่งของความพยายามของ Amazon ที่จะทำให้การฝึกอบรมและการปรับใช้ระบบแมชชีนเลิร์นนิงทำได้ง่ายและเข้าถึงได้มากขึ้น Amazon ได้ทำการเปลี่ยนแปลงโดยเน้นการเรียนรู้ของเครื่องเป็นหลักกับชุด AWS ของตน ตัวอย่างเช่น มีการอัปเกรดเป็นชุดเครื่องมือ AWS Sagemaker ชุดเครื่องมือ AWS SageMaker ภายในชุด AWS ช่วยให้นักพัฒนาฝึกฝนและปรับใช้โมเดลกับระบบคลาวด์ SageMaker มาพร้อมกับเครื่องมือมากมายที่ช่วยให้นักพัฒนาเลือกอัลกอริทึมโดยอัตโนมัติ ฝึกฝนและตรวจสอบโมเดล และปรับปรุงความแม่นยำของโมเดล