IBM poprawia uczenie maszynowe

Sztuczna inteligencja ma olbrzymi potencjał. Jej rozwój może przynieść innowacje, które odmienią wiele sektorów rynku. Nie dziwi więc, że celujący ostatnio właśnie w klientów biznesowych IBM jest nią bardzo zainteresowany i prowadzi rozmaite badania z nią związane. Ostatnio udało mu się dokonać przełomu na jednym z najważniejszych pól tej technologii – poprawił uczenie maszynowe.

IBM Research, czyli zespół zajmujący się rozwojem innowacji w „Big Blue” pochwalił się, że kończy prace nad nowym oprogramowaniem DDL (rozproszonego głębokiego uczenia maszynowego). Oprogramowaniem, które ma – cytując dyrektor zespołu Accelerated Cognitive Infrastructure, Hillery Hunter –  „skrócić czas treningu sztucznej inteligencji z dni i godzin do minut i sekund”. 

Naukowcy pochwalili się, że zdołali opracować rozwiązanie, które pozwala zwiększać wydajność uczenia maszynowego wraz z każdym dodanym procesorem praktycznie liniowo. Udało się to osiągnąć dzięki optymalizacji procesu równoległego przetwarzania zadań przez dziesiątki serwerów zawierających liczone w setkach GPU. IBM postanowił skalować algorytmy uwzględniając serwery, a nie pojedyncze GPU.

Prace nad oprogramowaniem jeszcze trwają, ale już teraz IBM zdołał pobić dwa rekordy: z wykorzystaniem 256 kart Nvidia Tesla P100 osiągnięto 95-procentową wydajność w 50 minut (wcześniejszy rekord należał do Facebooka: 89 proc. w 60 minut) oraz 33,8-procentową skuteczność rozpoznawania obrazów na zestawie ImageNet22k w 7 godzin (wcześniejszy rekord należał do Microsoftu: 29,8 proc. w 10 dni).

Co to oznacza dla przeciętnego człowieka? Mówiąc krótko: szybszy dostęp do innowacji. Naukowcy będą mogli szybciej uczyć swoje algorytmy, a to sprawi, że w krótszym czasie staną się one zdolne do tego, by tak lub inaczej nam pomagać. Dobra wiadomość jest taka, że oprogramowanie będzie dostępne bez dodatkowych opłat w ramach platformy PowerAI.

Źródło: EE Times, IBM Research