Zero
Gli ultimi trent’anni di machine learning scoperte sono intimamente intrecciati con una grande idea computing: parallel distributed processing, in cui una delle parti di un programma in esecuzione contemporaneamente su più processori per il calcolo della velocità.
Una IA ricercatore trasformatosi in imprenditore ritiene che il settore ha bisogno di un sacco di più esperti sul parallelismo, per rendere parallelo AI morti e semplice.
Eric Xing, una Carnegie Mellon professore di machine learning, tre anni fa ha fondato Petuum, in base a Pittsburg, che ha ricevuto $108 milioni di euro in finanziamenti da conglomerato Giapponese SoftBank, insieme con Advantech Capitale Cinese computing gigante di Tencent, nel Nord della Luce di Venture Capital, e Oriza Venture.
Inoltre: Può IBM possibilmente domare AI per le imprese?
La società prevede di spedire la prima versione della sua piattaforma AI software per la prossima estate, un’offerta di Ssaggio spera di “industrializzare” machine learning, rendendo più affidabile e più ampiamente disponibile.
Petuum fondatore e CEO Eric Xing si avvicinò con l’idea per il software di intelligenza artificiale durante il mio anno sabbatico dalla Carnegie Mellon a Facebook nel 2010.
La sfida maggiore di AI è un ingegneria dei sistemi sfida, e il cuore che è un problema di parallelizzare l’esecuzione di algoritmi attraverso tutti i tipi di configurazioni di macchine.
“Quando si distribuisce algoritmi, è necessario mantenere, è necessario aggiornare, modificare,” Xing detto a ZDNet.
“Questo è il vero collo di bottiglia di ottenere AI accessibile”, dice, “per le aziende che non sono Google o Microsoft, che non hanno eserciti di ingegneri, per i tradizionali gruppi IT.
“C’è una carenza di talento, e non vi è poca o nessuna storia di costruzione AI team all’interno la maggior parte delle aziende.”
Petuum sta cercando di rendere più facile per raggiungere dati o modello di parallelismo, o entrambi, in molti computer diversi.
“Altre aziende vogliono pezzi di Lego, vogliono blocchi di costruzione di machine learning solutions. AI bisogno di essere industrializzata, e c’è la necessità di norme, vogliamo essere il front-runner di tale cultura.”
Anche: Google dice che una crescita esponenziale di AI è cambiare la natura di calcolare
La piattaforma, che è presentato ampiamente in un 2015 di carta da Xing e colleghi hanno pubblicato in IEEE Transactions on Big Data, viene descritto un modo per interrompere automaticamente i programmi a parte in due modi diversi.
“I dati di parallelismo.” Che è, naturalmente, un approccio popolare già AI. Di formazione, e, in alcuni casi, di inferenza, machine learning, viene accelerato mediante l’invio di pezzi diversi di dati di diversi processori, Cpu o, più comunemente, la Gpu. Ogni processore treni della rete neurale utilizzando la sua quota del totale dei set di dati e i parametri di rete, i pesi sono aggiornati su tutte quelle fette di dati.
Un altro approccio, meno comuni e più difficili da costruire, è la rete in pezzi tra i vari processori, noto come “modello di parallelismo.” Questi problemi di parallelismo sono stati un fuoco di informatica per decenni. Per l’apprendimento automatico di programmi scritti in Google TensorFlow, o il popolare Caffe quadro, Petuum software automaticamente è possibile ottenere dati o modello di parallelismo, o una combinazione di entrambi.
Anche: Intel-backed avvio Paperspace reinventa dev strumenti per un’intelligenza artificiale, era del cloud
L’idea chiave di questo lavoro è che la macchina di apprendimento, a differenza di altri programmi, non è “deterministico” è probabilistica. Come tale, essa ha tre vantaggi altri tipi di software non sono nelle condizioni di parallelismo: È in grado di tollerare l’errore in singole parti del programma la funzione in misura maggiore; le dipendenze tra le parti del cambio di programma in corso di esecuzione del programma, sono dinamici; e da diverse parti “convergere” a una soluzione di un dato problema a tariffe diverse.
Il Petuum software ha sviluppato una serie di trucchi per sfruttare questi punti di forza. Per esempio, un parametro “server” viene eseguita una pianificazione di protocollo che sceglie i parametri di rete neurale per l’esecuzione in parallelo, sulla base di quali parametri della rete neurale sono solo “debolmente” correlati l’uno con l’altro, e quindi può essere influenzato in modo indipendente.
I risultati sono un po ‘ ricorda il MapReduce big data framework, ma Petuum sostiene che il suo sistema ha molti vantaggi rispetto MapReduce e altri parallelizzazione di infrastrutture, come la Scintilla e GraphLab.
Petuum il parametro del server di decisioni come pianificare il lavoro in diversi segmenti di una rete neurale basata sulle dipendenze tra i parametri.
(Molto più di documentazione sulla tecnologia è disponibile sul sito dell’azienda.)
Xing avuto l’epifania che ha iniziato la società, mentre prendendo un anno sabbatico dalla Carnegie Mellon a Facebook nel 2010.
“Ero imbarazzato per la mia impossibilità a consegnare i miei modelli rapidamente”, ricorda. “Sono tornato a CMU, e abbiamo iniziato un progetto di ricerca su come prendere un pezzo di macchina esistente codice di apprendimento, e di eseguire automaticamente una versione parallela per il data center.”
Petuum è ancora in via di sviluppo come andrà a monetizzare la piattaforma. Xing dice che potrebbe includere un modello di licenza che le spese per il numero di macchine o gli utenti di un cliente è al lavoro su un dato sistema di intelligenza artificiale. Ma, nel frattempo, Petuum è in fase di spedizione di alcuni pacchetti software per settori verticali. L’idea è di dimostrare che “siamo in grado di affrontare non banale AI problemi”, dice. Ma è anche l’inizio di quello di Ssaggio spera di essere un mercato di soluzioni verticali, che possono provenire da numerose parti mattoncini per le industrie.
Anche: Veloce.ai software potrebbe radicalmente democratizzare AI
Un’industria che è uno dei primi clienti è la sanità. Gli ospedali sono particolarmente interessanti per il Ssaggio, poiché è probabile che non può avere una dedicata AI team, e anche se lo fanno, la loro squadra sarebbe forse essere costretti a distribuire AI modelli su una vasta gamma di hardware, dal singolo computer portatili fino a infrastruttura cloud di numerosi contenitori di applicazioni.
“Dove sono una squadra, possono sedersi davanti a un UI e aggiornamento degli algoritmi, ma in esecuzione sul Petuum, non hanno bisogno di preoccuparsi di come i dati vengono distribuiti o eseguire su macchine diverse.”
Un primo prodotto dell’azienda sanitaria sforzo è un sistema per la generazione automatica di leggibile rapporti per medici, utilizzando i dati come radiologia scansioni, trasformati tramite il rafforzamento dell’apprendimento.
“Non si tratta di classificazione”, dice Xing. “Si tratta di riassumere le conoscenze in un one-pager, con una più profonda comprensione del mediale informazioni.”
Il Petuum software architettura del sistema.
“Si può aumentare la diagnostica dei risultati, è possibile accelerare un medico del lavoro”.
Un risultato è la partnership della società, ha annunciato nel mese di settembre, con la Cleveland Clinic, per produrre un’Intelligenza Artificiale Diagnosi Motore (AIUTANTE) che possono “applicare avanzati algoritmi di machine learning per medical record di dati.” La partnership è in competizione per IBM “Watson AI Xprize.”
Anche: Facebook chiede ai per ottimizzare le prestazioni del server web
Naturalmente, in via di industrializzazione IA lascia aperta la questione se tale lavoro si avvicina il Santo Graal di “artificiale intelligenza in generale.”
Xing pensa che la parola “generalizzabilità” “è stato abusato o sovraccarico”.
“Io non credo che ci sia un unico algoritmo in grado di risolvere generale AI”, dice, “per elaborare un discorso e di leggere anche le immagini, che è impossibile, che non è ancora scientificamente valida istruzione”.
“Ma se si parla da un ingegneria senso, su dadi e bulloni che può essere utilizzato in luoghi diversi, quindi possiamo fare questi diversi elementi che possono essere riutilizzati.”
“Il problema più grande,” dice, “è uno scollamento tra scienziati e ingegneri: i due non si danno per approfondimenti l’uno all’altro.”
“Molto di più di cui si ha bisogno per colmare il divario. Non credo che solo inventare fantasiosi e modelli estrosi è la strada da percorrere. Hai ancora bisogno di ingegneri per tradurre i modelli di prodotto.”
Petuum ha otto documenti che sono stato accettato alla prossima NeurIPS conferenza sulla macchina di apprendimento, che si svolgerà il prossimo mese di Montreal.
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:
36 dei migliori film sull’AI, rankedThis è che l’IA sembra (come disegnato dall’IA)AI robot killer vengono, ma l’ONU li vuole bannedDigital trasformazione nel 2019: AI, robotica, e IoT giocare ruoli da protagonista
Argomenti Correlati:
Big Data Analytics
La Trasformazione Digitale
CXO
Internet delle Cose
L’innovazione
Enterprise Software
0