На Fujitsu World Tour 2019 много говорили об искусственном интеллекте.
16 Октября 2019
На конференции Fujitsu World Tour в Москве, которая прошла 18 сентября, много говорили об искусственном интеллекте. Кульминацией стала презентация Удо Вюртца, главного специалиста Fujitsu по продвижению решений для ЦОД в регионе EMEIA. В ее центре – глубокое обучение, являющееся основой для современных систем ИИ, а также специализированный чип для глубокого обучения DLU, разработанный Fujitsu. Вот основные тезисы выступления Удо Вюртца.
В настоящий момент две трети рынка, связанного с искусственным интеллектом, занимают проекты в области глубокого и машинного обучения, еще почти треть – обработка естественного языка, компьютерное зрения. И всего лишь 2% – это проекты, связанные с машинным аргументированием.
Процесс обучения искусственного интеллекта может потребовать огромных затрат ресурсов. Многие компании просто не могут позволить себе платить такую цену всего лишь за обучение и проверку моделей ИИ. Поэтому на рынке крайне высока потребность в разработках, способных ускорить и удешевить процесс обучения.
В качестве ответа на этот запрос от клиентов Fujitsu разработала и выпустила чип Deep Learning Unit (DLU) и систему Zinrai Deep Learning System (ZDLS) на его основе. При разработке DLU Fujitsu ориентировалась на три основных принципа: максимальная производительность, совместимость с существующими системами, масштабируемость.
У компании в итоге получилась альтернатива системам обучения на базе GPU, которая существенно сокращает время на обучение и проверку моделей искусственного интеллекта. Последние способны показывать действительно высокую производительность, но непродолжительное время, когда ИИ необходимо учиться днями и неделями. Поэтому важно постоянно обеспечивать высокую производительность, с чем DLU справляется.
В системах на основе GPU ядра работают автономно и необходимо тратить время на синхронизацию их работы, в ZDLS в процессе ядра постоянно «делятся» своими результатами, экономя время. Также DLU экономит электроэнергию, снижая затраты на электричество более чем в 3 раза. В то же время производительность на 1 Вт потребляемой энергии у Zinrai Deep Learning System в 10 раз выше, чем у альтернативных решений.
Примеры использования ZDLS: контроль качества на производстве ветряных турбин Siemens Wind Power, распознавание изображений с камер наблюдения для беспилотных автомобилей, анализа трафика на дорогах, анализ и предсказание проблем или поломок и т. д. Интересный сценарий – использование анализа изображений камер для определения травм на производстве. Система может анализировать позы человека и определяет, например, сидячую позу в качестве нормальной, а вот если работник лежит на полу, то самое время отправить сигнал, чтобы его проверили, может ему потребуется медицинская помощь.
В конце этого года ZDLS планируют предлагать по всему миру уже не только в рамках пробных проектов, так что скоро и в России можно будет воспользоваться преимуществами DLU.
В настоящий момент две трети рынка, связанного с искусственным интеллектом, занимают проекты в области глубокого и машинного обучения, еще почти треть – обработка естественного языка, компьютерное зрения. И всего лишь 2% – это проекты, связанные с машинным аргументированием.
Процесс обучения искусственного интеллекта может потребовать огромных затрат ресурсов. Многие компании просто не могут позволить себе платить такую цену всего лишь за обучение и проверку моделей ИИ. Поэтому на рынке крайне высока потребность в разработках, способных ускорить и удешевить процесс обучения.
В качестве ответа на этот запрос от клиентов Fujitsu разработала и выпустила чип Deep Learning Unit (DLU) и систему Zinrai Deep Learning System (ZDLS) на его основе. При разработке DLU Fujitsu ориентировалась на три основных принципа: максимальная производительность, совместимость с существующими системами, масштабируемость.
У компании в итоге получилась альтернатива системам обучения на базе GPU, которая существенно сокращает время на обучение и проверку моделей искусственного интеллекта. Последние способны показывать действительно высокую производительность, но непродолжительное время, когда ИИ необходимо учиться днями и неделями. Поэтому важно постоянно обеспечивать высокую производительность, с чем DLU справляется.
В системах на основе GPU ядра работают автономно и необходимо тратить время на синхронизацию их работы, в ZDLS в процессе ядра постоянно «делятся» своими результатами, экономя время. Также DLU экономит электроэнергию, снижая затраты на электричество более чем в 3 раза. В то же время производительность на 1 Вт потребляемой энергии у Zinrai Deep Learning System в 10 раз выше, чем у альтернативных решений.
Примеры использования ZDLS: контроль качества на производстве ветряных турбин Siemens Wind Power, распознавание изображений с камер наблюдения для беспилотных автомобилей, анализа трафика на дорогах, анализ и предсказание проблем или поломок и т. д. Интересный сценарий – использование анализа изображений камер для определения травм на производстве. Система может анализировать позы человека и определяет, например, сидячую позу в качестве нормальной, а вот если работник лежит на полу, то самое время отправить сигнал, чтобы его проверили, может ему потребуется медицинская помощь.
В конце этого года ZDLS планируют предлагать по всему миру уже не только в рамках пробных проектов, так что скоро и в России можно будет воспользоваться преимуществами DLU.
Последние новости раздела
17 апреля 2024