Intel рассказала о средствах разработки для задач искусственного интеллекта и машинного обучения

 

На проходившей недавно в Казани международной научной конференции «Параллельные вычислительные технологии (ПаВТ) 2017» Intel рассказала о программных решениях компании для разработчиков, профессиональная деятельность которых связана с созданием сервисов, использующих технологии машинного обучения и системы искусственного интеллекта (Artificial Intelligence, AI) на базе нейронных сетей.

По мнению специалистов Intel, на сегодняшний день вычислительные ресурсы и нейросетевые технологии вышли на уровень, позволяющий системам искусственного интеллекта решать весьма сложные для человека практические задачи, а разработчикам — создавать инновационные приложения и сервисы. В помощь последним компания предлагает внушительное портфолио различных программных библиотек, фреймворков и компонентов, оптимизированных для аппаратных платформ Intel и позволяющих решать задачи машинного обучения с максимальной эффективностью.

Наиболее известным программным компонентом, который широко используется разработчиками AI-систем, является библиотека математических примитивов Intel Math Kernel Library (Intel MKL), наиболее хорошо подходящая для реализации низкоуровневых математических функций, лежащих в основе задач машинного обучения. Intel MKL предоставляет полный контроль за вычислениями и может применяться для выполнения таких достаточно широко используемых в топологиях нейронных сетей операций, как матричное умножение или свёртка (Convolution). В активе компании также представлена библиотека с открытым исходным кодом Intel Math Kernel Library for Deep Neural Networks (Intel MKL-DNN), предназначенная специально для глубинного обучения, в которую разработчики могут включать сторонние функции, отсутствующие в Intel MKL.

Следующий компонент более высокого уровня абстракций — объектноориентированная библиотека Intel Data Analytics Acceleration Library (Intel DAAL), предназначенная для анализа данных с поддержкой машинного обучения на алгоритмическом уровне и включающая набор аналитических функций, совместимых с популярным статистическим ПО и платформами обработки данных — Hadoop, Spark, R и пр. Среди прочих продуктов для анализа данных и машинного обучения фигурируют скомпилированый набор Intel Distribution for Python для численного моделирования и научных вычислений с использованием языка программирования Python, а также инструментарий Intel Deep Learning SDK для быстрой разработки моделей, обучения и развёртывания систем машинного обучения, включающий средства визуализации и графического контроля процессов тренировки нейронных сетей и импортирования моделей из других фреймворков.

Отдельного упоминания заслуживает библиотека Intel Machine Learning Scaling Library (Intel MLSL), представляющая собой набор API-интерфейсов для масштабирования и распараллеливания процессов обучения нейронных сетей на множестве узлов в кластере. За счёт этого Intel MLSL позволяет радикально уменьшить время тренировки сети. Разработчикам доступен также открытый фреймворк Neon, созданный приобретённой Intel компанией Nervana, и Nervana Graph Complier — оптимизированный backend-инструментарий для разработки кроссплатформенных фреймворков следующего поколения и улучшения текущих. Все библиотеки рассчитаны на работу с популярными фреймворками глубинного обучения — Caffe, Torch, Theano, TensorFlow (от Google), Neon и другими.

Разрабатывая и совершенствуя полный стек ПО для машинного обучения и искусственного интеллекта, Intel не оставляет без внимания образовательный аспект. Как часть решений для машинного обучения компания предоставляет массу курсов, обучающих и тренировочных материалов. Существует специализированный портал Intel AI Academy, предоставляющий доступ к программным пакетам для машинного обучения, библиотекам и Intel Deep Learning SDK, форуму разработчиков для систем искусственного интеллекта и обучающим материалам, созданным ведущими техническими специалистами компании Intel.

В заключение стоит сказать, что Intel — не единственная компания, которая стремится сделать машинное обучение массово доступной технологией — как для исследователей и крупных корпораций, создающих нейросети и использующих их в своей работе, так и для частных пользователей. Сфера применения нейронных сетей весьма разнообразна — это распознавание текста и понимание человеческой речи, семантический поиск, компьютерное зрение, аналитика «больших данных», робототехника, экспертные системы, лингвистика и многое-многое другое. Свои разработки в сфере нейронных сетей и искусственного интеллекта ведут и такие именитые корпорации, как AMD, NVIDIA, ARM и IBM вместе со своим суперкомпьютером Watson. Не скрывают интереса к подобного рода технологиям Google, Facebook, «Яндекс», Baidu, ABBYY, Cognitive Technologies и другие компании, также осознающие тот факт, что без поиска новых перспективных направлений преуспеть и занять лидирующие позиции на современном IT-рынке не то чтобы проблематично, а попросту невозможно.

Материалы по теме:

Источник:

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.
Постоянный URL: https://servernews.ru/951247
Поделиться:  

Комментарии

Система Orphus