Nul
En verden af integrerede udviklingsmiljøer, eller “IDEs” rige programmering værktøjer, der samler mange evner, har ikke set meget handling i de kommende år siden, kunstig intelligens og cloud computing opslugt programmering generelt.
En spændende start baseret i Brooklyn, New York, kan ændre det.
Paperspace, der blev grundlagt for tre år siden, tirsdag meddelte, at det har modtaget $13 millioner i venture-penge fra investorer Batteri Ventures, Sinusbølge Ventures, Sorenson Ventures, samt de investeringer, arm-chip-giganten Intel, hvilket bragte den samlede rekruttering til dato til $19 mio. Eksisterende investor Initialiseret Kapital kom også rundt.
Pengene vil gå til at forfine og udvide Paperspace ‘ s vigtigste produkt, “Gradient”, en slags mash-up af værktøjer, der er udviklet specielt til programmering machine learning neurale netværk. Intel engagement er især interessant, da Intel har i de sidste par år styrket på forskellige AI-projekter til at forynge sin processor lineup.
Også: Hurtig.ai-software kan radikalt demokratisere AI
Medstifter af og chief executive Dillon Erb talte med ZDNet om de helt primitive programmering miljø af dagens maskine, udvikling og læring.
Problemet Paperspace er løse, siger han, er beslægtet med de tidlige dage af Web-udvikling. “Det er ikke svært at finde beregne i dag,” siger Erb, med henvisning til den lette tilgængelighed af GPU gårde på Amazon og TPU anlæg i Google ‘ s Google Cloud.
“Den manglende del er software, ligesom i de tidlige dage af Web-udvikling. Dette er et alvorligt problem, at en masse mennesker står over for, som vi har oplevet på første hånd de udfordringer, mennesker har til at selv at udvikle et fælles [AI] model.”
En data videnskabsmand kan gennemføre 15 linjer af Facebook ‘ s PyTorch machine-learning ramme, og “har adgang til banebrydende forskning.” Men, “så alle de andre-koden er nødvendige for at sætte det sammen, ender du med hjem-rullende-det-selv, grave op en masse open source-værktøjer og-hacking det sammen.”
Gradient kombinerer den populære Jupyter Notebook udvikling interface med PyTorch eller TensorFlow eller andre rammer, og en sky installation af Docker beholdere. Et særligt Python-modul til Paperspace er hentet lokalt, for at køre Paperspace kommando linje, og et par kroge er indlejret i ens mål PyTorch eller en anden fil. Fra der, det er trivielt at kick off Køre kommandoen, skal du hente en PyTorch projekt fra GitHub, og brug det til at dog mange container anlæg, der er nødvendige for på bart metal GPU behandling, der forvaltes af Paperspace. (Det selskab, tidligere på året bebudet støtte til Google ‘ s anden generation TPU.) Paperspace tager sig af detaljer af ting, såsom hvordan man kan løse I/O-flaskehalse, siger Erb, eller hvordan man kan strukturere opbevaring for apps.
Også: Facebook open-source AI ramme PyTorch 1.0 frigivet
Klient base tenderer mod hold af 5 til 15 mennesker, der i stigende grad AI forskere. De betaler som en per-bruger -, pr-måned afgift, med stigende niveauer af GPU job kvoter. En enterprise-version med variable priser, der omfatter ting, såsom ubegrænset GPU arbejdsmængder.
Paperspace ‘s cloud-baserede programmer miljø ønsker at være guld-standard for nem publicering af machine learning-modeller på hvad indsamling af Gpu’ er, TPUs, eller andre processorer et hold ønsker.
Pointen i alt dette er ikke at sælge GPU-computing; det er en vare, og mens Paperspace bygget sine egne data centre for nogle af de arbejder, der også er afhængig af Google Cloud tilfælde. Så engroshandel Gpu ‘ er, eller TPUs, er bare en billet for at få adgang til spillet. Den virkelige magi, fastholder Erb, er det “stak” af kode, der gør det let at binde Jupyter til at Github machine learning projekter, og derefter til den underliggende beregning.
Paperspace startede ud, når der ikke var nogen Gpu ‘ er, der tilbydes på en hosted grundlag. Erbs og kolleger-holdet er i øjeblikket en lean-16 personer-var kommet fra verden af computer-assisteret design, og de indså værdien af adgang til GPU gårde. (Navnet Paperspace kommer fra CAD-verden. Det refererer til “vinduet i et 3-D verden,” siger selskabet. Som navnet på den start, det betyder at tjene som “en metafor for begrebet en portal ind i den uendelige strøm af skyen.”)
Paperspace fået startkapital fra kuvøse YCombinator for, at oprindelige mission af bygning GPU skyer. Men så Erbs og kolleger har bemærket noget interessant. “Vi var alle disse anmodninger om noget, der især fokuseret på TensorFlow og PyTorch,” han reflekterer. “Vi indså, at da vi gravede i, at dette var en ny mulighed.”
Også: Google preps TPU 3.0 til AI, machine learning, model uddannelse
Paperspace har samarbejdet for nogen tid nu med Hurtig.ai, de non-profit organisation, der drives af Jeremy Howard, Rachel Thomas, der har været undervisning på kurser på machine learning, som for nylig blev profileret i dette rum. Erbs bemærket kamp studerende i Howard ‘ s kurser for at samle selv de mest grundlæggende software-værktøjer. “Selv bare at komme Jupiter op og køre, og sørge for at du ikke bliver opkrævet hundredvis af dollars for GPU tilfælde, er en udfordring,” bemærker han. “Problemet er ikke adgang til hardware, der er rigeligt; problemet er software til at binde det hele sammen.
Erbs håber Paperspace stak vil blive en industri standard for at “lag af abstraktion”, der sidder over, hvad GPU, eller TPU, eller andre beregne bruges af en klient. Han bemærker, tendenser i machine learning til at abstrahere væk fra server-infrastruktur. En “cool ting” han har været at se, at der er opstået ONNX, industrien forsøg på at definere en fælles oversættelse model mellem forskellige machine learning rammer. Det er en tid med enorm uro i industrien, og “det rigtige niveau af abstraktion for disse ting er udefineret, lige nu”, hvilket betyder at fordelingen af ressourcer mellem GPU og containere og machine learning rammer og software-værktøjer.
Et spændende spørgsmål er, hvad der sker med Intel i denne aftale. Selskabet har endnu til at demonstrere silicium i naturen, at enhver stor grad, hvorved marken, så langt til Nvidia ‘s Gpu’ er, og Google ‘ s TPUs. Erbs vil ikke kommentere på Intel ‘ s potentiale silicium succeser, men han er “meget begejstret” om igangværende arbejde mellem Paperspace og Intel.
“Intel er ved at gøre virkelig store investeringer” i AI, siger han. “I vores samtale med AI-gruppen der, de er alle, der arbejder på det store problem, det er ikke kun hardware og software, det er større end enten
Tidligere og relaterede dækning:
Hvad er AI? Alt, hvad du behøver at vide
En executive guide til kunstig intelligens, fra machine learning og generelt AI til neurale netværk.
Hvad er dyb læring? Alt, hvad du behøver at vide
Den lowdown på en dyb læring: fra hvordan det relaterer til det bredere felt af machine learning igennem til, hvordan du kommer i gang med det.
Hvad er machine learning? Alt, hvad du behøver at vide
Denne vejledning forklarer, hvad machine learning er, hvordan det er relateret til kunstig intelligens, hvordan det fungerer, og hvorfor det er vigtigt.
Hvad er cloud computing? Alt, hvad du behøver at vide om
En introduktion til cloud computing-lige fra det grundlæggende op til IaaS og PaaS, hybrid, offentlige og private cloud.
Relaterede historier:
Der er ingen rolle for AI eller data videnskab: dette er en holdindsats Start Slægt bringer splint af håb for AI i robotteknologi AI: udsigt fra Chief Data Videnskab Kontor Salesforce-introer Einstein Stemme, en AI stemme assistent for virksomheder er det ikke Det job AI er ødelæggende for at genere mig, det er dem, der er voksende, Hvordan Facebook skalaer AI
Relaterede Emner:
Udvikler
Digital Transformation
CXO
Tingenes Internet
Innovation
Virksomhedens Software
0