โมเดลและแพลตฟอร์ม AI
อแมซอนสร้างเครื่องมือใหม่เพื่อสร้างแบบจำลอง AI ด้วยโค้ดเพียงไม่กี่บรรทัด
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
เมื่อความพยายามในการทำให้การเรียนรู้ของเครื่องจักรง่ายขึ้นและเข้าถึงได้มากขึ้น บริษัทต่างๆ ก็สร้างเครื่องมือเพื่อให้การสร้างและปรับแต่งแบบจำลองการเรียนรู้ลึกง่ายขึ้น ตามรายงานของ VentureBeat อแมซอนได้เปิดตัวเครื่องมือใหม่ที่ออกแบบมาเพื่อช่วยในการสร้างและปรับเปลี่ยนแบบจำลองการเรียนรู้ของเครื่องจักรด้วยโค้ดเพียงไม่กี่บรรทัด
(AMZN )การทำการเรียนรู้ของเครื่องจักรบนชุดข้อมูลมักเป็นงานที่ยาวและซับซ้อน ข้อมูลจะต้องถูกแปลงและเตรียมการ และจากนั้นแบบจำลองที่เหมาะสมจะต้องถูกสร้างและปรับแต่ง การปรับเปลี่ยนพารามิเตอร์ของแบบจำลองและจากนั้นฝึกอบรมใหม่อาจใช้เวลานาน และเพื่อช่วยแก้ปัญหาเหล่านี้ อแมซอนได้เปิดตัว AutoGluon AutoGluon เป็นความพยายามที่จะทำให้การสร้างแบบจำลองการเรียนรู้ของเครื่องจักรง่ายขึ้น ตัวอย่างเช่น ไม่เพียงแต่ผู้วิศวกรการเรียนรู้ของเครื่องจักรต้องตัดสินใจเกี่ยวกับโครงสร้างที่เหมาะสม แต่พวกเขายังต้องทดลองกับพารามิเตอร์ของแบบจำลองด้วย AutoGluon มุ่งหวังที่จะทำให้ทั้งการสร้างโครงสร้างของเครือข่ายประสาทและการเลือกพารามิเตอร์ที่เหมาะสมง่ายขึ้น
AutoGluon มีพื้นฐานมาจากงานที่เริ่มต้นโดยไมโครซอฟท์และอแมซอนในปี 2017 Gluon เดิมเป็นอินเทอร์เฟซการเรียนรู้ของเครื่องจักรที่ออกแบบมาเพื่อให้นักพัฒนาได้เลือกและจับคู่ส่วนประกอบที่ได้รับการปรับให้เหมาะสมเพื่อสร้างแบบจำลองของตนเอง แต่ AutoGluon จะสร้างแบบจำลองที่สมบูรณ์แบบจากปลายถึงปลายตามความต้องการของผู้ใช้ AutoGluon มีความสามารถในการสร้างแบบจำลองและเลือกพารามิเตอร์ที่เหมาะสมสำหรับแบบจำลองภายในช่วงที่กำหนด โดยใช้โค้ดเพียงไม่กี่บรรทัด ผู้พัฒนาเพียงต้องให้ข้อโต้แย้งบางอย่าง เช่น เวลาที่ต้องการในการฝึกอบรมที่สมบูรณ์ และ AutoGluon จะคำนวณแบบจำลองที่ดีที่สุดที่จะเสร็จสิ้นภายในเวลาที่กำหนดและทรัพยากรการคำนวณที่มีอยู่
(MSFT )AutoGluon สามารถสร้างแบบจำลองสำหรับการจำแนกประเภทภาพ, การจำแนกประเภทข้อความ, การตรวจจับวัตถุ และการทำนายตารางได้ในปัจจุบัน API ของ AutoGluon ยังตั้งใจให้นักพัฒนาที่มีประสบการณ์สามารถปรับแต่งแบบจำลองที่สร้างโดยอัตโนมัติและปรับปรุงประสิทธิภาพได้ ในขณะนี้ AutoGluon มีให้ใช้เฉพาะบน Linux และต้องใช้ Python 3.6 หรือ 3.7
Jonas Mueller ซึ่งเป็นส่วนหนึ่งของทีมพัฒนา AutoGluon อธิบายเหตุผลในการสร้าง AutoGluon ว่า
“เราได้พัฒนา AutoGluon เพื่อทำให้การเรียนรู้ของเครื่องจักรเป็นประชาธิปไตยและทำให้พลังของการเรียนรู้ลึกสามารถเข้าถึงได้ทุกคน AutoGluon ช่วยแก้ปัญหานี้โดยที่ทุกการตัดสินใจจะถูกปรับให้เหมาะสมโดยอัตโนมัติภายในช่วงที่ทราบว่าทำงานได้ดีสำหรับงานและแบบจำลองที่เฉพาะเจาะจง”
AutoGluon เป็นวิธีการใหม่ในบรรดาวิธีการที่ตั้งใจจะลดความเชี่ยวชาญและเวลาที่ต้องการในการฝึกอบรมแบบจำลองการเรียนรู้ของเครื่องจักร ห้องสมุดซอฟต์แวร์ เช่น Theano ได้ทำให้การคำนวณเวกเตอร์เกรเดียนต์เป็นอัตโนมัติ ในขณะที่ Keras ช่วยให้นักพัฒนาสามารถระบุพารามิเตอร์ที่ต้องการได้ง่ายขึ้น อแมซอนเชื่อว่ายังมีพื้นที่ที่สามารถครอบคลุมได้มากขึ้นในการทำให้การเรียนรู้ของเครื่องจักรเป็นประชาธิปไตย เช่น การทำให้การประมวลผลข้อมูลและปรับพารามิเตอร์ง่ายขึ้น
การสร้าง AutoGluon ดูเหมือนจะเป็นส่วนหนึ่งของความพยายามของอแมซอนในการทำให้การฝึกอบรมและการใช้งานระบบการเรียนรู้ของเครื่องจักรง่ายขึ้นและเข้าถึงได้มากขึ้น อแมซอนยังได้ทำการเปลี่ยนแปลงที่เน้นการเรียนรู้ของเครื่องจักรในซอฟต์แวร์ AWS ของตน ตัวอย่างเช่น มีการปรับปรุงเครื่องมือ AWS Sagemaker ซึ่งเป็นส่วนหนึ่งของซอฟต์แวร์ AWS Sagemaker มีเครื่องมือต่างๆ ที่ช่วยให้นักพัฒนาสามารถเลือกอัลกอริทึม ฝึกอบรมและตรวจสอบแบบจำลอง และปรับปรุงความแม่นยำของแบบจำลองได้
