Intel выпускает справочные комплекты искусственного интеллекта с открытым исходным кодом

Конструкции с открытым исходным кодом упрощают разработку ИИ для решений в здравоохранении, производстве, розничной торговле и других отраслях. Intel выпустила первый набор эталонных комплектов ИИ с открытым исходным кодом, специально предназначенных для того, чтобы сделать ИИ более доступным для организаций в локальных, облачных и периферийных средах. Впервые представленные на Intel Vision, эталонные наборы включают в себя код модели ИИ, сквозные инструкции конвейера машинного обучения, библиотеки и компоненты Intel oneAPI для кросс-архитектурной производительности. Эти комплекты позволяют ученым и разработчикам данных узнать, как быстрее и проще развертывать ИИ в здравоохранении, производстве, розничной торговле и других отраслях с более высокой точностью, лучшей производительностью и более низкой общей стоимостью внедрения.

«Инновации процветают в открытой, демократизированной среде. Экосистема ускоренного открытого программного обеспечения Intel для искусственного интеллекта, включающая оптимизированные популярные платформы и инструменты искусственного интеллекта Intel, построена на основе открытой, основанной на стандартах и ​​унифицированной модели программирования oneAPI. Эти справочные комплекты, созданные с использованием компонентов комплексного портфеля программного обеспечения для искусственного интеллекта Intel, позволят миллионам разработчиков и специалистов по обработке и анализу данных быстро и легко внедрять искусственный интеллект в свои приложения или улучшать существующие интеллектуальные решения», – Вэй Ли, доктор философии, вице-президент Intel и генеральный менеджер по искусственному интеллекту и аналитике.

Рабочие нагрузки ИИ продолжают расти и диверсифицироваться благодаря вариантам использования в системах зрения, речи, рекомендательных системах и многом другом. Эталонные комплекты ИИ Intel, созданные в сотрудничестве с Accenture, предназначены для ускорения внедрения ИИ в разных отраслях. Это предварительно созданные ИИ с открытым исходным кодом и значимым корпоративным контекстом как для внедрения ИИ с нуля, так и для стратегических изменений в существующих решениях ИИ. Для скачивания доступны четыре комплекта:

• Состояние коммунальных активов: поскольку потребление энергии во всем мире продолжает расти, ожидается, что активы распределения электроэнергии в полевых условиях будут расти. Эта модель предиктивной аналитики была обучена, чтобы помочь коммунальным предприятиям обеспечивать более высокую надежность обслуживания. Он использует оптимизированный для Intel XGBoost через библиотеку аналитики данных Intel oneAPI для моделирования состояния опор с 34 атрибутами и более чем 10 миллионами точек данных. Данные включают в себя возраст активов, механические свойства, геопространственные данные, информацию о проверках, производителях, историю предыдущих ремонтов и технического обслуживания, а также записи о простоях. Модель прогнозного обслуживания активов постоянно учится по мере поступления новых данных, таких как новый производитель опор, отключения и другие изменения в состоянии.
• Визуальный контроль качества: контроль качества (КК) необходим в любой производственной операции. Проблема с методами компьютерного зрения заключается в том, что они часто требуют большой мощности графических вычислений во время обучения и частого переобучения по мере появления новых продуктов. Модель AI Visual QC была обучена с использованием набора инструментов Intel AI Analytics Toolkit, в том числе Intel Optimization for PyTorch и Intel Distribution of OpenVINO toolkit, оба на основе oneAPI для оптимизации обучения и вывода на 20 % и 55 % быстрее, соответственно, по сравнению с запастись комплектом визуального контроля качества Accenture без оптимизации Intel 2для рабочих нагрузок компьютерного зрения на ЦП, ГП и других архитектурах на основе ускорителей. Используя компьютерное зрение и классификацию SqueezeNet, модель AI Visual QC использовала настройку и оптимизацию гиперпараметров для обнаружения дефектов фармацевтических таблеток с точностью 95%.
• Чат-бот для клиентов. Разговорные чат-боты стали важным сервисом для поддержки инициатив в масштабах всего предприятия. Модели искусственного интеллекта, поддерживающие диалоговые взаимодействия с чат-ботами, масштабны и очень сложны. Этот справочный комплект включает модели обработки естественного языка для глубокого обучения для классификации намерений и распознавания именованных объектов с использованием BERT и PyTorch. Расширение Intel для PyTorch и дистрибутив Intel набора инструментов OpenVINO оптимизируют модель для повышения производительности — вывод на 45 % быстрее по сравнению со стандартной реализацией набора клиентских чат-ботов Accenture без оптимизации Intel 3 — в разнородных архитектурах и позволяют разработчикам повторно использовать код разработки модели с минимальными затратамиизменения кода для обучения и логического вывода.
• Интеллектуальное индексирование документов. Ежегодно предприятия обрабатывают и анализируют миллионы документов, и многие полуструктурированные и неструктурированные документы направляются вручную. ИИ может автоматизировать обработку и классификацию этих документов для более быстрой маршрутизации и снижения затрат на ручной труд. Используя модель классификации опорных векторов (SVC), этот комплект был оптимизирован с помощью Intel Distribution of Modin и Intel Extension for Scikit-learn на базе oneAPI. Эти инструменты сокращают время предварительной обработки данных, обучения и вывода на 46 %, 96 % и 60 % соответственно по сравнению со стандартной реализацией комплекта для индексации документов Accenture Intelligent без оптимизации Intel 4 для просмотра и сортировки документов с точностью 65 %. 

Разработчики стремятся внедрить ИИ в свои решения, и эталонные наборы способствуют достижению этой цели. Эти комплекты основаны на портфолио программного обеспечения Intel для искусственного интеллекта, состоящего из комплексных инструментов и оптимизаций инфраструктуры, и дополняют его. Эти инструменты, созданные на основе открытой, основанной на стандартах, модели гетерогенного программирования oneAPI, которая обеспечивает производительность в различных типах архитектур, помогают специалистам по обработке и анализу данных обучать модели быстрее и с меньшими затратами за счет преодоления ограничений проприетарных сред.

В течение следующего года Intel выпустит серию дополнительных эталонных наборов ИИ с открытым исходным кодом с обученными моделями машинного обучения и глубокого обучения, чтобы помочь организациям любого размера в их пути цифровой трансформации.


Получить подробную информацию или проконсультироваться можно на сайте официального поставщика Intel в России.