211service.com
Nedidelė studentų AI programuotojų komanda įveikia „Google“ mašininio mokymosi kodą
Tinklinis vaizdų koliažas iš tūkstančių nuotraukų Andrejus Karpathy
Studentai iš Greitai.ai , nedidelė organizacija, vykdanti nemokamus mašininio mokymosi kursus internete, ką tik sukūrė AI algoritmą, kuris pagal svarbų etaloną pranoksta „Google“ tyrėjų kodą.
Fast.ai sėkmė yra svarbi, nes kartais atrodo, kad tik tie, kurie turi didžiulius išteklius, gali atlikti pažangius AI tyrimus.
Fast.ai sudaro neakivaizdiniai studentai, norintys išbandyti savo jėgas mašininio mokymosi srityje ir galbūt pereiti į duomenų mokslo karjerą. Ji nuomoja prieigą prie kompiuterių „Amazon“ debesyje.
Tačiau Fast.ai komanda sukūrė algoritmą, kuris įveikia „Google“ kodą, matuojant naudojant etaloną, vadinamą DAWNBench , iš Stanfordo mokslininkų. Šis etalonas naudoja bendrą vaizdų klasifikavimo užduotį, kad būtų galima stebėti gilaus mokymosi algoritmo greitį vienam skaičiavimo galios doleriui.
„Google“ tyrėjai užėmė pirmąją vietą ankstesniame reitinge kategorijoje, skirtoje mokymui keliuose įrenginiuose, naudodami pagal užsakymą sukurtą kolekciją, skirtą specialiai mašininiam mokymuisi. Fast.ai komanda sugebėjo sukurti kažką dar greičiau, naudodama maždaug lygiavertę aparatinę įrangą.
Pažangiausi rezultatai nėra išskirtinė didelių kompanijų sritis, sako Jeremy Howardas, vienas iš Fast.ai įkūrėjų ir žymus dirbtinio intelekto verslininkas. Howardas ir jo įkūrėja Rachel Thomas sukūrė Fast.ai, kad dirbtinis intelektas būtų prieinamesnis ir mažiau išskirtinis.
Howardo komanda sugebėjo konkuruoti su tokiais kaip Google, atlikdama daug paprastų dalykų, kurie išsamiai aprašyti tinklaraščio straipsnis . Tai apima įsitikinimą, kad vaizdai, pateikiami pagal mokymo algoritmą, buvo teisingai apkarpyti: tai yra akivaizdūs, kvaili dalykai, kurių daugelis tyrinėtojų net negalvotų daryti, sako Howardas.
Kodą, reikalingą mokymosi algoritmui paleisti keliose mašinose, sukūrė naujojo Pentagono bendradarbis. Gynybos inovacijų padalinys , sukurtas neseniai, kad padėtų kariškiams dirbti su AI ir mašininiu mokymusi.
Matei Zaharia , Stanfordo universiteto profesorius ir vienas iš DAWNBench kūrėjų, teigia, kad Fast.ai darbas yra įspūdingas, tačiau pažymi, kad daugeliui dirbtinio intelekto užduočių vis dar svarbūs dideli duomenų kiekiai ir dideli skaičiavimo ištekliai.
Fast.ai algoritmas buvo apmokytas „ImageNet“ duomenų bazėje per 18 minučių, naudojant 16 „Amazon Web Service“ egzempliorių, o bendra skaičiavimo kaina buvo maždaug 40 USD. Howardas teigia, kad tai yra maždaug 40 procentų geriau nei „Google“ pastangos, nors jis pripažįsta, kad palyginimas yra sudėtingas, nes aparatinė įranga skiriasi.
Džekas Klarkas , ne pelno organizacijos OpenAI komunikacijos ir politikos direktorius, teigia, kad Fast.ai atliko vertingų darbų kitose srityse, pavyzdžiui, kalbos supratimo. Klarkas sako, kad tokie dalykai naudingi visiems, nes jie padidina pagrindinį žmonių pažinimą su AI technologija.