empresa de aprendizaje profundo Decir, cuyo objetivo es aprovechar la IA para construir IA, ha anunciado el descubrimiento de modelos de clasificación de imágenes llamados DeciNets. Fueron descubiertos a través de la tecnología de construcción de arquitectura neuronal automatizada (AutoNAC) propiedad de Deci, y requirieron dos órdenes de magnitud menos de potencia informática que las tecnologías de búsqueda de arquitectura neuronal (NAS) a escala de Google. Las tecnologías NAS se utilizaron anteriormente para descubrir arquitecturas neuronales como EfficientNet.
Ha habido un mayor impulso para modelos de aprendizaje profundo más grandes con una complejidad algorítmica creciente, que se deriva del deseo de mejorar la precisión y el rendimiento con tareas de predicción más complejas. La disponibilidad de hardware más potente y big data también ha dado lugar a estos nuevos modelos de aprendizaje profundo.
Opciones alternativas para desarrolladores
Sin embargo, estos modelos no son ideales para operaciones de inferencia rentables en producción. NAS podría desempeñar un papel en la automatización del diseño de redes neuronales artificiales más efectivas, que pueden superar las arquitecturas diseñadas manualmente, pero requieren recursos significativos. Las empresas que han podido implementar NAS con éxito suelen ser organizaciones tecnológicas masivas como Google y Microsoft, por lo que no es una opción viable para la mayoría de los desarrolladores.
Deci se propuso remediar este problema desarrollando AutoNAC, que es el primer NAS comercialmente viable. Permite a los desarrolladores diseñar y crear automáticamente modelos de aprendizaje profundo que pueden superar a otras arquitecturas importantes. Los desarrolladores pueden establecer parámetros para tareas específicas, como clasificación y detección, y pueden aplicar AutoNAC a su conjunto de datos, lo que les permite obtener modelos optimizados listos para la producción a escala.
Otro aspecto único de AutoNAC es que reconoce el hardware. En otras palabras, puede lograr el máximo rendimiento de cualquier hardware e implementar modelos en una variedad de entornos, como la nube, el perímetro y los dispositivos móviles.
Yonatan Geifman es cofundador y director ejecutivo de Deci.
“El aprendizaje profundo está impulsando la próxima generación de computación: sin modelos más eficientes y de mayor rendimiento que se ejecuten sin problemas en cualquier hardware, las tecnologías de consumo que damos por sentado todos los días alcanzarán una barrera”, dijo Geifman. “El enfoque de ‘IA que construye IA’ de Deci es crucial para desbloquear los modelos necesarios para desatar una nueva era de innovación, capacitando a los desarrolladores con las herramientas necesarias para transformar ideas en productos revolucionarios”.
AutoNAC se aplicó en varias tareas para optimizar los modelos en varios procesadores de inferencia, como la GPU T4 de NVIDIA y la GPU Jetson Xavier NX edge de NVIDIA. AutoNAC descubrió DeciNets para la clasificación de imágenes utilizando el conjunto de datos de referencia estándar de ImageNet.
Superando a otras plataformas
Deci demostró la capacidad de superar a otras plataformas y usar mucho menos cómputo al generar su DeciNet, lo que significa que los desarrolladores no necesitan grandes recursos en el proceso. DeciNets pudo superar a cualquier red neuronal de código abierto conocida disponible en el mercado, como EfficientNets y MobileNets.
El Prof. Ran El-Yaniv es cofundador y científico jefe de Deci.
“AutoNAC descubrió algunos de los mejores modelos de clasificación y detección hasta la fecha”, dijo el profesor Ran El-Yaniv. “Pero no nos detendremos allí; nuestra tecnología se puede utilizar para cualquier tarea de aprendizaje profundo, ya sea visión o procesamiento de lenguaje natural (NLP), y para cada objetivo de optimización medible. Mejoramos continuamente AutoNAC para que siempre permita a los desarrolladores obtener los modelos más potentes que rompan la frontera eficiente”.
Deci fue nombrada por Hewlett Packard Enterprise (HPE) como miembro de su Programa de Socios Tecnológicos para acelerar la innovación en IA, y fue incluida en el Lista 2021 CB Insights AI 100 como un acelerador superior de aprendizaje profundo. La tecnología AutoNAC se está implementando en todas las industrias en entornos de producción.