โมเดลการจำแนกภาพของ Deci ค้นพบด้วยพลังการคำนวณที่น้อยกว่าผู้นำด้านเทคโนโลยี

บริษัท Deep learning คือ Deci ซึ่งมีเป้าหมายในการใช้ AI เพื่อสร้าง AI ได้ประกาศการค้นพบโมเดลการจำแนกภาพที่เรียกว่า DeciNets โดยใช้เทคโนโลยี Automated Neural Architecture Construction (AutoNAC) ที่เป็นเอกสิทธิ์ของ Deci และใช้พลังการคำนวณที่น้อยกว่าเทคโนโลยี Neural Architecture Search (NAS) ของ Google (GOOGL ) ถึงสองอันดับของขนาด

มีการผลักดันให้มีการพัฒนาโมเดลการเรียนรู้ลึกที่ใหญ่ขึ้นและมีความซับซ้อนของอัลกอริทึมที่เพิ่มขึ้น ซึ่งมาจากความต้องการความแม่นยำและประสิทธิภาพที่ดีขึ้นสำหรับงานทำนายที่ซับซ้อนมากขึ้น การมีฮาร์ดแวร์ที่มีพลังมากขึ้นและข้อมูลขนาดใหญ่ cũngนำไปสู่โมเดลการเรียนรู้ลึกใหม่เหล่านี้

ตัวเลือกอื่นสำหรับนักพัฒนา

อย่างไรก็ตาม โมเดลเหล่านี้ไม่เหมาะสำหรับการดำเนินการอนุมานที่มีต้นทุน有效ในผลิต การค้นหาสถาปัตยกรรมประสาทเทียม (NAS) อาจมีบทบาทในการออกแบบเครือข่ายประสาทเทียมที่มีประสิทธิภาพมากขึ้น ซึ่งสามารถทำงานได้ดีกว่าสถาปัตยกรรมที่ออกแบบด้วยมือ แต่ต้องการทรัพยากรที่สำคัญ บริษัทที่สามารถนำ NAS ไปใช้ได้สำเร็จมักจะเป็นองค์กรเทคโนโลยีขนาดใหญ่ เช่น Google และ Microsoft (MSFT ) ดังนั้นจึงไม่ใช่ตัวเลือกที่เหมาะสมสำหรับนักพัฒนาส่วนใหญ่

Deci ได้พัฒนา AutoNAC ซึ่งเป็น NAS ที่มีการใช้งานเชิงพาณิชย์เป็นครั้งแรก โดยช่วยให้นักพัฒนาสามารถออกแบบและสร้างโมเดลการเรียนรู้ลึกที่สามารถทำงานได้ดีกว่าสถาปัตยกรรมอื่นๆ ได้อย่างอัตโนมัติ นักพัฒนาสามารถตั้งค่าพารามิเตอร์สำหรับงานเฉพาะ เช่น การจำแนกและตรวจจับ และสามารถใช้ AutoNAC กับชุดข้อมูลของตนเองเพื่อให้ได้โมเดลที่ได้รับการปรับให้เหมาะสมสำหรับการผลิต

ด้านที่เป็นเอกลักษณ์อีกด้านหนึ่งของ AutoNAC คือความสามารถในการทำงานร่วมกับฮาร์ดแวร์ โดยสามารถทำงานได้ดีที่สุดบนฮาร์ดแวร์ใดๆ และสามารถใช้งานได้ในสภาพแวดล้อมต่างๆ เช่น คลาวด์ เอดจ์ และมือถือ

Yonatan Geifman เป็นผู้ร่วมก่อตั้งและ CEO ของ Deci

“การเรียนรู้ลึกกำลังขับเคลื่อนการคำนวณรุ่นต่อไป โดยไม่มีโมเดลที่มีประสิทธิภาพสูงขึ้นและทำงานได้ดีขึ้นซึ่งสามารถทำงานได้อย่างราบรื่นบนฮาร์ดแวร์ใดๆ เทคโนโลยีสำหรับผู้บริโภคที่เรารู้จักกันในแต่ละวันจะถึงขีดจำกัด” Geifman กล่าว “แนวทาง ‘AI ที่สร้าง AI’ ของ Deci มีความสำคัญในการปลดปล่อยโมเดลที่จำเป็นในการปลดปล่อยยุคใหม่ของนวัตกรรม โดยให้อำนาจแก่นักพัฒนาด้วยเครื่องมือที่จำเป็นในการเปลี่ยนความคิดให้เป็นผลิตภัณฑ์เชิง 혁신”

AutoNAC ถูกนำไปใช้กับงานต่างๆ เพื่อปรับโมเดลให้เหมาะสมสำหรับโปรเซสเซอร์อนุมานต่างๆ เช่น NVIDIA’s (NVDA ) T4 GPU และ NVIDIA’s Jetson Xavier NX edge GPU AutoNAC ค้นพบ DeciNets สำหรับการจำแนกภาพโดยใช้ฐานข้อมูล ImageNet ที่เป็นมาตรฐาน

การทำงานที่เหนือกว่าแพลตฟอร์มอื่นๆ

Deci ได้แสดงให้เห็นถึงความสามารถในการทำงานที่เหนือกว่าแพลตฟอร์มอื่นๆ และใช้พลังการคำนวณที่น้อยกว่าในการสร้าง DeciNet ซึ่งหมายความว่านักพัฒนไม่ต้องการทรัพยากรที่หนักหน่วงในกระบวนการ DeciNets สามารถทำงานได้ดีกว่าเครือข่ายประสาทเทียมที่เปิดให้ใช้งานใดๆ ในตลาด เช่น EfficientNets และ MobileNets

Prof. Ran El-Yaniv เป็นผู้ร่วมก่อตั้งและ Chief Scientist ของ Deci

“AutoNAC ค้นพบโมเดลการจำแนกและตรวจจับที่ดีที่สุดจนถึงปัจจุบัน” Prof. Ran El-Yaniv กล่าว “แต่เราจะไม่หยุดอยู่ที่นี่ เทคโนโลยีของเราสามารถใช้สำหรับงานการเรียนรู้ลึกใดๆ ไม่ว่าจะเป็นงานที่เกี่ยวข้องกับการมองเห็นหรือการประมวลผลภาษาธรรมชาติ (NLP) และสำหรับวัตถุประสงค์ในการปรับให้เหมาะสมที่วัดได้ เราปรับปรุง AutoNAC อย่างต่อเนื่องเพื่อให้แน่ใจว่าจะสามารถให้โมเดลที่มีประสิทธิภาพสูงสุดแก่นักพัฒนาเสมอ”

Deci ได้รับการเสนอชื่อจาก Hewlett Packard Enterprise (HPE ) (HPE) ให้เป็นสมาชิกของโปรแกรม Technology Partner เพื่อเร่งนวัตกรรม AI และได้รับการรวมอยู่ใน 2021 CB Insights AI 100 List ในฐานะตัวเร่งการเรียนรู้ลึกที่มีนวัตกรรมสูงสุด เทคโนโลยี AutoNAC ได้รับการนำไปใช้ในหลายอุตสาหกรรมในสภาพแวดล้อมการผลิต