Noll
I dag är kulmen på två års utveckling för vissa program som kan få maskinen att lära sig ett mycket enklare att programmera, och därigenom bidra till att demokratisera AI.
Det är hopp om att Jeremy Howard, en av grundarna av San Francisco-baserade Snabbt.ai, en start outfit som är idag släpper version 1.0 av “fastai,” en uppsättning av kod bibliotek utformad för att radikalt förenkla skriva maskininlärning uppgifter.
Byggt på toppen av Facebook ‘ s Pytorch bibliotek, som också har sin egen version 1.0 ut i dag, fastai tillåter en att göra uppgifter som att köra en convolutional neurala nätverk för bildigenkänning på ImageNet benchmark-tester med bara ett fåtal rader kod. (ZDNet Steven J. Vaughan-Nichols har mer på Facebook är öppen-sourcing PyTorch.)
De verktyg som kommer ut av en serie av populära kurser i maskininlärning som drivs av Snabb.ai, som Howard grundades för tre år sedan med sin fru, Rachel Thomas. Såväl enskilda personer som hade ett övergripande mål om att göra AI mycket mer tillgängliga. “Vi båda tror på kraften i djupt lärande,” Howard berättade ZDNet, “men vi båda var livrädda för i vilken utsträckning den aktuella homogen grupp av unga vita män kontrollerar de flesta av tech, och så bestämde vi oss för att göra något åt det.”
Också: Facebook öppna källor PyTorch 1.0 AI ram
“Vad jag hoppas är att massor av människor kommer att inse att state-of-the-art resultaten av djupt lärande är något som de kan uppnå även om de inte är en Stanford University djupt lärande PhD.”
Från början, Howard och Thomas föreställde en programvarukomponent för deras lärande kurser. I själva verket, “vår interna mål var att få till en punkt där vi inte skulle behöva en kurs längre,” säger han, och skämtar om att “det faktum att vi har en kurs innebär att hittills har vi misslyckats.” I verkligheten, Snabbt.ai: s kursplaner och arbete med eleverna var “ett sätt att se vad vi behövde för att göra” att göra hela processen för att programmera maskinen att lära mycket enklare.
Den fastai bibliotek har utvecklats i bitar under de senaste två åren, främst av Howard sig själv, men med lite hjälp från studenter på kurser, särskilt en fransk matte lärare som gjorde ett uppehållstillstånd med Howard, Sylvain Gugger.
Dagens släpp är första gången alla delar som kommer tillsammans i en polerad, integrerad helhet.
Howard började med Keras bibliotek av neurala nätet funktioner, först på toppen av Python bibliotek som heter Theano och sedan på toppen av Google används ofta TensorFlow.
Slutligen, “Vi hittade Keras var inte tillräckligt flexibel” för Fastai syften, säger Howard. Pytorch, däremot, var mycket mer uttrycksfulla i att låta honom genomföra nya ML algoritmer. “Keras klass API vet inte många saker du behöver för att använda, du måste berätta om en mycket mer”, förklarar han, “som innebär att du måste vara en stark-nog-och sjukvårdspersonal” av maskininlärning.
Även: Topp 5: Saker att veta om AI TechRepublic
I motsats, “Pytorch har en mycket, mycket trevlig klass bibliotek, och det sätt som den gör det möjligt för dig att arbeta med uppgifter som är riktigt snyggt, det är enkelt och flexibelt.”
Pytorch funktioner som är särskilt värdefulla är saker som “DataLoader” klass, som sätter dataset med, säg, en bild-erkännande uppgift på GPU (graphics processing unit) för dig.
Men, “PyTorch saknade Keras är enkel att använda, konstaterar han. “Så vi bestämde oss för att börja utveckla en egen programvara för att göra för PyTorch vad Keras gjorde för TensorFlow, men snarare än att bara skapa en version av Keras, har vi skapat något nytt.”
Den magiska fastai är uppenbart i den elegans och enkelhet i fastai syntax, som piska flera stadier av aktivitet för en hel ML uppgift.
Här, till exempel, är fastai kod för att ringa till en convolutional neurala nätverk, eller CNN, för bildigenkänning, i detta fall den populära MNIST handskrift prov:
data = get_mnist()
lär dig = ConvLearner(data, tvm.resnet18, mått=noggrannhet)
lära sig.passform(1)
Det är allt det är för det. Under huven, fastai “Eleven” klass är att ringa ett nummer av Pytorch resurser för att få det hela att fungera.
Google är Google Cloud var den första att meddela stöd för fastai. Det är en intressant artikel om användning av fastai och PyTorch på Google Cloud av ML forskare Viacheslav Kovalevskyi på Medium.
Amazon Amazon Web Services har meddelat stöd, och kommer att göra det tillgängligt i sin “AWS Djupt Lärande AMIs” och “Amazon SageMaker.” Microsoft har också tillkännagav idag stöd i sin Azure-tjänst i molnet. Microsoft ‘ s chief technology officer för AI, Joseph Sirosh, sade i förberedda kommentarer om att Microsoft är glada över att se Snabbt.AI hjälpa demokratisera djupt lärande i skala och utnyttja kraften i molnet.”
Ett annat sätt Howard hoppas koden kommer att demokratisera maskininlärning är genom dess användning i en separat, start venture kallade Plattformen.ai, som han är Chef Vetenskapsman. En domän expert, till exempel en medicinsk forskare, kan ladda upp cell bilder eller andra data, till Plattformen.ai, märka dem, och spotta ut en djupt lärande modell. Avsikten är att bygga enkelt grafiskt användargränssnitt för domän-specifika problem att lösa utan att behöva vara expert på antingen AI eller cloud computing – en hel del som idéer om AI i medicin som har cirkulerat i årtionden, men med lite payoff fram tills nu.
(Medan Snabb.ai är registrerad som ett Delaware-företag, till skillnad från Plattformen.ai, att tjäna pengar är inte dess avsikt, men snarare att ge öppen källkod verktyg för att möjliggöra att sådana kommersiella satsningar.)
Också: Google Hjärnan, Microsoft lod mysterier nätverk med AI
Howard har arbetat på sådana demokratiska ideal kring lärande i andra sammanhang. Han var en av grundarna av Enlitic, San Francisco start som använder djupt lärande för saker som erkänner tumörer i medicinska bilder.
Howard själv har en mycket intressant bakgrund. Han fick en spelning som strategikonsult på McKinsey & Co. rakt ut i high school examen upp snabbt från den roll av help-desk support. Han gick därefter på att få ett B. A. vid University of Melbourne i filosofi, men höll konsulttjänster inom områdena datateknik och maskininlärning.
Howard har bra perspektiv på både det förflutna och framtiden för maskininlärning. Långt innan den senaste tidens renässans i djupt lärande, med insatser från Yoshua Bengio på Montreal MILA, och Geoffrey Hinton av Googles DeepMind, teknik för multi-layer, hierarkisk neurala nät funnits under 1990-talet. Han citerar “LetNet5” nätverk byggs genom Facebook Yan LeCun när han var en akademisk, och flera “lång-kort-sikt-minne” – modeller tillbaka då.
“Vi hade exempel på [nätverk] flera dolda lager, tio till femton år före sin tid, men många av oss inte ta notis.”
Som för vägen framåt, att Howard är medveten om den senaste tidens ström av kritik av djup inlärning av artister som Gary Marcus, NYU kognitiv forskare och entreprenör, som har skrivit långa artiklar som beskriver hur djupt lärande faller kort på den Heliga Graalen för “artificiell generell intelligens” och fortsätter att twittra regelbundet om sådana brister.
Marcus, säger Howard, innebär djupt lärande är utövare är inte medvetna om sina begränsningar, men att de faktiskt är medvetna om. “Ja, ja, det har saker och ting det är inte perfekt från början,” han medger, och “deep learning kan inte göra allt, men det är en riktigt användbart verktyg, och det kan hjälpa människor att göra sitt jobb bättre på många sätt.”
Howard är en praktisk bent: “Kanske är det inte leda oss till generaliserad AI, men vem bryr sig. Jag försöker inte att bygga en hjärna, det är inte något jag är intresserad av.”
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade artiklar:
Det finns ingen roll för AI eller data vetenskap: det här är ett lagarbete Start Släkt ger strimma av hopp för AI i robotik AI: vy från Chief Data Vetenskap Kontor Salesforce intron Einstein Röst, en AI röst assistent för företag att det inte är Det jobb AI är förstört som stör mig, det är de som växer Hur Facebook skalor AI
Relaterade Ämnen:
Utvecklare
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
0