موتور جدید Clarifai سرعت و هزینه مدل‌های هوش مصنوعی را کاهش می‌دهد

پلتفرم هوش مصنوعی Clarifai روز پنج‌شنبه از یک موتور پردازش جدید رونمایی کرد که به گفته خود، می‌تواند سرعت اجرای مدل‌های هوش مصنوعی را دو برابر و هزینه‌ها را تا ۴۰٪ کاهش دهد. این سیستم به گونه‌ای طراحی شده تا با انواع مدل‌ها و میزبان‌های ابری سازگار باشد و از بهینه‌سازی‌های مختلفی بهره می‌برد تا توان برآورد بیشتری را از همان سخت‌افزار دریافت کند.

مدیر اجرایی Matthew Zeiler می‌گوید: «این مجموعه‌ای از بهینه‌سازی‌های مختلف است، از هسته‌های CUDA تا تکنیک‌های پیشرفته رمزگشایی شایعه‌ای. خلاصه از همان کارت‌ها می‌توانید بیشتر دریافت کنید.»

نتایج توسط یک سری آزمایش‌های معیار توسط شرکت ثالث Artificial Analysis تایید شد که رکوردهای برتر صنعت را برای هم توان عملیاتی و هم تاخیر ثبت کرد.

این فرآیند به طور خاص بر روی استنتاج، نیازهای محاسباتی اجرای یک مدل هوش مصنوعی که قبلاً آموزش دیده است، تمرکز دارد. با توجه به افزایش شدید کاربرد مدل‌های عامل و تفسیر، که نیازمند مراحل متعدد در پاسخ به یک فرمان هستند، نیاز به چنین بهینه‌سازی‌هایی بیش از پیش احساس می‌شود.

Clarifai که ابتدا به عنوان یک سرویس بینایی کامپیوتری راه‌اندازی شده بود، اکنون به طور فزاینده‌ای بر روی هماهنگ‌سازی محاسبات تمرکز کرده است، زیرا رونق هوش مصنوعی به شدت تقاضا برای GPU ها و دیتاسنتری که آنها را در خود جای می‌دهند، افزایش داده است. این شرکت ابتدا پلتفرم محاسباتی خود را در AWS re:Invent در دسامبر اعلام کرد، اما موتور پردازش جدید اولین محصولی است که به طور خاص برای مدل‌های عامل چند مرحله‌ای طراحی شده است.

این محصول در میان فشار شدید بر زیرساخت‌های هوش مصنوعی رونمایی می‌شود که باعث شده تا معاملات میلیارد دلاری پی‌در‌پی صورت گیرد. حتی OpenAI نیز برنامه‌های خود را برای صرف حداکثر ۱ تریلیون دلار برای دیتاسنترهای جدید اعلام کرده است، با این پیش بینی که نیاز به محاسبات در آینده تقریباً بی‌پایان خواهد بود. اما در حالیکه توسعه سخت‌افزاری شدت گرفته است، مدیر عامل Clarifai باور دارد که هنوز کارهای زیادی برای بهینه‌سازی زیرساخت‌هایی که داریم، می‌توان انجام داد.

Zeiler می‌گوید: «ترفندهای نرم‌افزاری‌ای وجود دارد که مدل خوبی مانند موتور پردازش Clarifai را ارتقا می‌دهد، اما بهبودهای الگوریتمی هم می‌توانند به مقابله با نیاز به دیتاسنترهای گیگاواتی کمک کنند. و من فکر نمی‌کنم که در پایان نوآوری‌های الگوریتمی باشیم.»

منبع: TechCrunch