サンフランシスコのオープンソース ソフトウェア企業 Fast.ai は本日、2 年間の開発期間を経て、機械学習プログラミング ライブラリの 1.0 バージョンを発表しました。 オープンソースの PyTorch ライブラリ上に構築されているため、ディープ ラーニングを非常に簡単に始めることができます。 作成者のジェレミー・ハワード氏は米ZDNetに対し、この分野を支配する選ばれた少数の実践者をはるかに超えて機械学習が普及することを期待していると語った。
本日、機械学習のプログラミングをはるかに容易にし、それによって AI の民主化に貢献できるいくつかのソフトウェアの 2 年間にわたる開発の集大成を迎えました。
それが、サンフランシスコに本拠を置く Fast.ai、というスタートアップの服装です。 本日発売 「fastai」のバージョン 1.0。これは、機械学習タスクの作成を大幅に簡素化するように設計されたコード ライブラリのセットです。
Facebook の上に構築 パイトーチ このライブラリには、今日独自の 1.0 バージョンがリリースされており、fastai を使用すると、 ほんの数行で ImageNet ベンチマーク テストを行う画像認識用の畳み込みニューラル ネットワーク コードの。 （ZDNetのSteven J. ヴォーン・ニコルズ氏の詳細はこちら Facebook のオープンソース PyTorch.)
これらのツールは、ハワード氏が妻のレイチェル・トーマス氏とともに3年前に設立したFast.aiが運営する機械学習に関する一連の人気コースから生まれたものである。 両名とも、AI をよりアクセスしやすくするという包括的な目標を持っていました。 「私たちは二人ともディープラーニングの力を信じています」とハワード氏はZDNetに語った。 現在の同質の若い白人男性グループがテクノロジーの大部分を支配しているので、私たちはそれについて何かをすることに決めました。 それ。"
また： Facebook、PyTorch 1.0 AI フレームワークをオープンソース化
「私が望んでいるのは、スタンフォード大学のディープラーニングの博士号を持っていなくても、ディープラーニングの最先端の結果が達成できることを多くの人が理解することです。」
ハワードとトーマスは最初から、機械学習コース用のソフトウェア コンポーネントを構想していました。 実際、「私たちの内部目標は、もうコースが必要なくなるところまで到達することでした」と彼は冗談めかして言います。「コースがあるということは、これまでのところ、 実際には、Fast.ai のカリキュラムと学生との協力は、機械学習のプログラミング プロセス全体を効率化するために「何をする必要があるかを確認する方法」でした。 もっとシンプルに。
fastai ライブラリは、主に Howard 自身によって過去 2 年間にわたって少しずつ開発されてきましたが、 コースの学生、特にハワード、シルヴァンの研修を受けたフランス人の数学教師からの助けがありました。 ガガー。
今日のリリースでは、すべての部分が洗練され、統合された全体として初めて統合されます。
ハワードは、 ケラス ニューラル ネット関数のライブラリ。最初は Python ライブラリと呼ばれる上にあります。 テアノ、そして、Google の広く使用されている上に TensorFlow.
結局のところ、Fastai の目的に対して「Keras には柔軟性が十分ではないことがわかりました」と Howard 氏は言います。 対照的に、PyTorch は、新しい ML アルゴリズムを実装できる点ではるかに表現力が豊かでした。 「Keras クラス API は、使用する必要がある多くのことを認識していないため、さらに多くのことを伝える必要があります。つまり、機械学習の十分な実践者にならなければなりません」と彼は説明します。
また： トップ 5: AI について知っておくべきこと TechRepublic
対照的に、「PyTorch には非常に優れたクラス ライブラリがあり、それを使用してデータを操作できる方法は非常に優れており、簡単で柔軟です。」
特に価値のある PyTorch 関数は、たとえば画像認識タスクのデータセットをグラフィックス プロセッシング ユニット (GPU) に配置する「DataLoader」クラスなどです。
しかし、「PyTorch には Keras の使いやすさが欠けていました」と彼は指摘します。 「そこで私たちは、Keras が TensorFlow に対して行ったことを PyTorch に対して行う独自のソフトウェアの開発を開始することにしました。 しかし、単に Keras のバージョンを作成するのではなく、何か新しいものを作成しました。」
fastai の魔法は、ML タスク全体のアクティビティのいくつかの段階をまとめた fastai の構文の優雅さとシンプルさに明らかです。
たとえば、ここにあるのは、画像認識 (この場合は人気のある MNIST 手書き認識テスト) 用の畳み込みニューラル ネットワーク (CNN) を呼び出す fastai コードです。
データ = get_mnist()
learn = ConvLearner (データ、tvm.resnet18、メトリクス = 精度)
学習フィット (1)
それもそれだけです。 内部では、fastai の「Learner」クラスが、すべてを機能させるために多数の PyTorch リソースを呼び出しています。
Googleの グーグルクラウド ファスタイへの支持を最初に表明したのは。 ML 研究者の Viacheslav Kovalevskyi による、Google Cloud での fastai と PyTorch の使用に関する興味深い記事があります。 ミディアム以上.
アマゾンの アマゾン ウェブ サービス はサポートを発表しており、「AWS Deep Learning AMI」と「Amazon SageMaker」で利用できるようにする予定です。 Microsoft も本日、次のサポートを発表しました。 Azureクラウドサービス. Microsoft の AI 担当最高技術責任者、Joseph Sirosh 氏は、用意された発言の中で次のように述べています。 「Fast.ai がディープラーニングの大規模な民主化を支援し、 雲。"
ハワード氏がこのコードが機械学習を民主化することを望んでいるもう一つの方法は、同氏が主任研究員を務めるPlatform.aiと呼ばれる別のスタートアップベンチャーでそのコードを使用することだ。 医学研究者などの分野の専門家は、細胞画像やその他のデータを Platform.ai にアップロードし、ラベルを付けて、深層学習モデルを吐き出すことができます。 その目的は、専門家でなくても、ドメイン固有の問題を解決できる簡単なグラフィカル ユーザー インターフェイスを構築することです。 AI かクラウド コンピューティングのいずれか -- 何十年もの間流通してきた医療における AI のアイデアによく似ていますが、最終的にはほとんど見返りがありませんでした。 今。
(Fast.ai はデラウェア州会社として登録されていますが、Platform.ai とは異なり、その目的は金儲けではなく、そのような商業的事業を可能にするオープンソース ツールを提供することです。)
また： Google Brain と Microsoft、AI でネットワークの謎を解明
ハワード氏は、他の環境でも機械学習に関するこのような民主的な理想を追求してきました。 彼はの創設者でした エンリティックは、医療画像内の腫瘍の認識などにディープラーニングを使用するサンフランシスコのスタートアップ企業です。
ハワード自身は非常に興味深い経歴を持っています。 彼は高校を卒業してすぐにマッキンゼー・アンド・カンパニーで戦略コンサルタントとしての仕事に就き、そこでのヘルプデスクサポートの役割をすぐに卒業しました。 その後、彼は学士号を取得しました。 メルボルン大学で哲学を専攻しましたが、コンピューターサイエンスと機械学習の分野でコンサルティングを続けました。
ハワードは、機械学習の過去と未来の両方について素晴らしい視点を持っています。 モントリオールの MILA の Yoshua Bengio の努力による、最近のディープラーニングのルネッサンスのずっと前に、 Google の DeepMind のジェフリー ヒントンは、多層の階層的なニューラル ネットのテクノロジーを開発しました。 1990年代。 同氏は、Facebookのヤン・ルカン氏が学者だった頃に構築した「LetNet5」ネットワークと、当時の複数の「長期・短期記憶」モデルを挙げている。
「時代を10～15年先取りして、複数の隠れ層（を備えたネットワーク）の例がありましたが、私たちの多くは注目しませんでした。」
今後の道のりについて、ハワード氏は、ニューヨーク大学の認知科学者で起業家であるゲイリー・マーカス氏らによる最近のディープラーニング批判の急増に留意している。 長い記事 深層学習がいかに「汎用人工知能」という聖杯に及ばず、今後も継続するかを説明する 定期的にツイートする そういった欠点について。
マーカス氏は、深層学習の実践者がその限界を認識していないが、実際には認識していることをほのめかしている、とハワード氏は言う。 「そうですね、完璧ではない部分もあります」と彼は認めます。「ディープラーニングですべてができるわけではありませんが、非常に便利なツールであり、さまざまな面で人々の仕事をより良くするのに役立ちます。」
ハワード氏は現実的な意見を持っており、「おそらくそれは私たちを汎用化された AI に導かないかもしれないが、それは気にする人はいない。 私は脳を作ろうとしているわけではないし、そんなことに興味があるわけではない。」
AI に関する最高の映画 36 作品をランク付け
以前の報道および関連報道:
AIとは何ですか? 知っておくべきことすべて
機械学習や一般的な AI からニューラル ネットワークまで、人工知能に関するエグゼクティブ ガイド。
ディープラーニングとは何ですか? 知っておくべきことすべて
深層学習の概要: 機械学習の広範な分野との関連性から、深層学習の開始方法まで。
機械学習とは何ですか? 知っておくべきことすべて
このガイドでは、機械学習とは何か、人工知能との関係、仕組み、そしてなぜ重要なのかについて説明します。
クラウドコンピューティングとは何ですか? 知っておくべきことすべて
基本から IaaS と PaaS、ハイブリッド、パブリック、プライベート クラウドに至るまで、クラウド コンピューティングの概要を説明します。
関連記事:
- AI やデータ サイエンスの役割は 1 つだけではありません。これはチームの取り組みです。
- スタートアップ Kindred がロボット工学における AI に一縷の希望をもたらす
- AI：データサイエンス統括室からの見解
- Salesforce、企業向けAI音声アシスタント「Einstein Voice」を導入
- 私を悩ませているのはAIによって破壊されつつある仕事ではなく、増えつつある仕事だ
- Facebook が AI を拡張する方法