Zero
Il mondo di ambienti di sviluppo integrati, o “Ide”, ricco di strumenti di programmazione che riunisce il maggior numero di funzionalità, non ha visto molta azione, negli anni di intelligenza artificiale e di cloud computing, inghiottito da una programmazione in generale.
Un interessante startup con sede a Brooklyn, New York, potrebbe cambiare la situazione.
Paperspace, fondata tre anni fa, martedì ha annunciato che ha ricevuto 13 milioni di dollari in venture denaro da parte degli investitori Batteria Ventures, Sinusoidale Ventures, Sorenson Venture, così come l’investimento del braccio del chip gigante Intel, portando il suo totale raggio di data di $19 milioni. Esistenti investitore Inizializzato Capitale aderito anche il turno.
Il denaro andrà alla raffinazione e si estende Paperspace prodotto principale, il “Gradiente”, una sorta di mash-up di strumenti progettati specialmente per la programmazione della macchina di apprendimento delle reti neurali. Intel coinvolgimento è particolarmente interessante, in quanto Intel ha nell’ultimo paio di anni potenziato su vari AI progetti per ringiovanire il processore lineup.
Anche: Veloce.ai software potrebbe radicalmente democratizzare AI
Co-fondatore e chief executive Dillon Erb parlato con ZDNet su abbastanza primitiva ambiente di programmazione di oggi di apprendimento automatico di sviluppo.
Il problema Paperspace sta affrontando, egli dice, è simile ai primi giorni di sviluppo Web. “Non è difficile trovare calcolare oggi”, dice Erb, in riferimento alla disponibilità di GPU aziende su Amazon e TPU installazioni in Google Google Cloud.
“La parte mancante è un software, proprio come nei primi giorni di sviluppo Web. Questo è un problema serio che un sacco di persone sono di fronte, che abbiamo visto in prima persona le sfide che le persone devono anche sviluppare una singola [AI] modello”.
Dati scienziato in grado di implementare 15 linee di Facebook del PyTorch macchina-quadro di apprendimento, e di “avere accesso alla ricerca d’avanguardia.” Ma poi con tutti gli altri codici necessari per mettere insieme, si finisce a casa di laminazione a voi stessi, scavando un po ‘ di strumenti open-source e di hacking insieme.”
Gradiente combina il popolare Jupyter Notebook interfaccia di sviluppo con PyTorch o TensorFlow o altri quadri, e una nuvola di installazione di contenitori Docker. Uno speciale modulo Python per Paperspace viene scaricato in locale per eseguire il Paperspace riga di comando, e un paio di ganci incorporati in una destinazione PyTorch o altri file. Da lì, è banale kick off il comando Esegui, il recupero di un PyTorch progetto da GitHub, e la distribuzione tuttavia, molti contenitore impianti sono necessari su metallo nudo GPU gestito da Paperspace. (La società all’inizio di quest’anno ha annunciato il supporto per Google di seconda generazione TPU.) Paperspace prende cura dei particolari di cose come il modo di risolvere I colli di bottiglia, dice Erb, o come struttura di archiviazione per le applicazioni.
Anche: Facebook open-source, AI framework PyTorch 1.0 rilasciato
Il client di base tende a squadre di 5 a 15 persone, sempre più AI ricercatori. Si paga come per utente, al mese di tassa, con un aumento dei livelli di GPU di lavoro indennità. Una versione enterprise, con prezzi variabili, include cose come illimitato GPU carichi di lavoro.
Paperspace basata su cloud di programmazione in ambiente vuole essere il gold-standard per la pubblicazione di apprendimento automatico di modelli su qualsiasi collezione di Gpu, TPUs, o altri processori di una squadra vuole.
Il punto di tutto questo è di non vendere GPU computing, che è una merce, e mentre Paperspace costruito il proprio data center per una parte del lavoro, si basa anche su Google istanze di Cloud. Così il commercio all’ingrosso Gpu, o TPUs, è solo un biglietto per l’ingresso nel gioco. La vera magia, insiste Erb, è la “pila” di codice che lo rende facile da legare Jupyter su Github macchina a progetti di studio e poi per il sottostante di calcolo.
Paperspace è iniziato quando non c’erano le Gpu offerto su un hosting. Erb e ai colleghi-la squadra è attualmente una magra 16 persone-era venuto dal mondo della progettazione assistita da computer, e hanno capito il valore di accesso alla GPU aziende agricole. (Il nome Paperspace viene dal mondo CAD. Si riferisce alla “finestra in un 3-D mondo”, afferma l’azienda. Come il nome di avvio, cioè a servire come “una metafora per la nozione di un portale verso l’illimitato potere del cloud”.)
Paperspace ha ricevuto il seme di finanziamento da incubatore YCombinator per quella missione originaria dell’edificio GPU nuvole. Ma poi Erb e colleghi hanno notato qualcosa di interessante. “Siamo riusciti ad ottenere tutte queste richieste per qualcosa che si è concentrata in particolare su TensorFlow e PyTorch,” riflette. “Ci siamo resi conto come abbiamo scavato in che questo era un greenfield opportunità”.
Anche: Google prepara TPU 3.0 per AI, apprendimento automatico, modello di formazione
Paperspace ha collaborato per qualche tempo con Veloce.ai, l’organizzazione non-profit gestita da Jeremy Howard e Rachel Thomas, che è stato docente di corsi di apprendimento automatico, che è stato recentemente profilato in questo spazio. Erb notato la lotta degli studenti di Howard corsi di riunire anche le più basilari strumenti software. “Anche solo raggiungere Giove fino e in esecuzione, e facendo attenzione a non farsi carico di centinaia di dollari per GPU casi, è una grande sfida”, egli osserva. “Il problema non è l’accesso all’hardware, che è abbondante; il problema è il software per legare tutto insieme.
Erb spera che la Paperspace stack diventerà uno standard industriale per il “livello di astrazione” che si trova al di sopra di qualunque GPU, o TPU, o di altro calcolo è utilizzato da un client. Egli osserva le tendenze di apprendimento automatico per distogliere l’infrastruttura server. Una “cosa” che ha visto l’emergere di ONNX, l’industria sforzo per definire un comune modello della traduzione tra i diversi machine learning quadri. È un momento di enorme fermento nel settore, e “il giusto livello di astrazione per queste cose non è definito ora”, cioè la divisione delle risorse tra GPU e contenitori e di machine learning per i quadri e gli strumenti software.
Un intrigante domanda è cosa succede con Intel in questo affare. La società deve ancora dimostrare di silicio in natura e di qualsiasi grado, cedere il campo di Nvidia Gpu e Google TPUs. Erb non commento su Intel potenziale di silicio successi, ma lui è “molto emozionata” per lavori in corso tra Paperspace e Intel.
“Intel sta facendo davvero grandi investimenti”, in AI, dice. “La nostra conversazione con l’IA gruppo, sono tutti al lavoro sul problema grosso, non è solo l’hardware e il software, è più grande di quanto sia
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Storie correlate:
Non c’è un ruolo per IA o i dati della scienza: questo è un lavoro di squadra di Avvio del Parentado porta scheggia di speranza per l’intelligenza artificiale robotica AI: La vista dal Capo Scienza di Dati Ufficio Salesforce intro Einstein Voce, una IA assistente vocale per le imprese non i posti di lavoro AI è distruggere che mi da fastidio, è che quelli che stanno crescendo Come Facebook scale AI
Argomenti Correlati:
Sviluppatore
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0