Neuton: Нова, разрушителна невронна мрежова рамка за AI приложения

Това не се случва често. Дълбоко обучение е най-горещата технология днес, с безброй приложения и дълбоки инвестиции от обичайните заподозрени. Да има нещо ново пуснато от някой, който не е сред GAFAs на света и твърди, че е радикално по-добър във всяко отношение, със сигурност ще повдигне някои вежди.

Такава беше и нашата реакция, когато се обърнахме към нас Bell Integrator относно Неутон преди няколко месеца. Neuton е невронна мрежова рамка, за която Bell Integrator твърди, че е много по-ефективна от всяка друга рамка и неневронен алгоритъм, налични на пазара.

Също: Nvidia има за цел да управлява невронни мрежи по-бързо и по-ефективно

Освен че е по-бърз, според пуснати бенчмаркове, Bell Integrator казва, че Neuton е решение за Auto ML с получени модели, които се развиват самостоятелно и се обучават. И на всичкото отгоре, казва Bell Integrator, Neuton е толкова лесен за използване не е необходим специален AI фон.

Машинно обучение October fest

По онова време беше много по-лесно да не повярваш на всичко това, тъй като нямаше много за показване, освен някои впечатляващи показатели и датата на пускане, определена за ноември. Днес, добавяйки към октомврийския фестивал за машинно обучение и потенциално задействан от него, Neuton е официално пуснат.

През последните няколко дни видяхме нова версия на PyTorch, една от водещите рамки за невронни мрежи от Facebook, както и нов запис от fast.ai. Ние също сме виждали MLflow, мета-рамка от Databricks, все по-близо до версия 1.0.

Сега нека се опитаме да хвърлим малко светлина върху това откъде идва Neuton, как работи и какво означава всичко това. Нека започнем с доставчика зад това, който е частен глобален доставчик на консултантски и технологични услуги, който съществува от 2003 г.

Bell Integrator има над 2500 служители в 10 локации и изброява имена като Ericsson, Cisco, Century Link, Juniper, Citibank, Deutsche Bank и Societe Generale като свои клиенти. Когато попитахме за екипа зад Neuton, не получихме имена, които бихте могли да познаете.

Също: Невронната мрежа на Alibaba победи човека в глобален тест за четене

Блеър Нюман, технически директор на Bell Integrator, каза, че това е направено от екип учени, натрупали повече от 700 години общ опит като научни изследователи, докато успешно решаване на сложни алгоритмични проблеми в добавената реалност, изкуствения интелект, невронните мрежи, машинното обучение, видео анализите, интернет на нещата и блокчейн.

Можем само да спекулираме как се е появил Неутон. Характеристиките му обаче изглеждат доста впечатляващи, почти твърде добри, за да са истина. Ако не друго, Neuton не е бил на радарите дори на хора, които живеят и дишат машинно обучение. Когато попитахме Soumith Chintala, изследователят на Facebook, който ръководи PyTorch, за коментар относно Neuton, отговорът му беше, че не е наясно с това, въпреки че наблюдава отблизо областта.

Neuton, казва Bell Integrator, се саморазвива и учи: няма нужда да работите върху слоеве и неврони; просто подгответе набор от данни и моделът ще бъде разработен автоматично. И моделът също се нуждае от по-малко тренировъчни проби.

Освен бенчмаркове, сега можете да изтеглите тези модели и да се убедите сами, казва Bell Integrator. Твърди се, че моделите са 10 до 100 пъти по-малки и по-бързи от тези, изградени със съществуващи рамки и неневронни алгоритми, като същевременно използват 10 до 100 пъти по-малко в неврони.

Също: Дълбоко обучение: Интересът е повече от латентен

Без пренастройване, много по-малко абсолютни и относителни грешки в пробите за валидиране, по-висока точност и Auto ML -- няма нужда от научна или AI подготовка. Необходими са само основни технически умения. И ако все още не сте достатъчно озадачени, ето още нещо: In ЧЗВ на Neuton, се споменава, че първото издание ще бъде без CNN/RNN (конволюционни/повтарящи се невронни мрежи).

Към невронна мрежа или не към невронна мрежа?

Какво означава всичко това? Neuton невронна мрежа ли е или не? Изисква ли обучение или не? Нюман каза, че въпреки че поддръжката на CNN/RNN не е включена в първоначалното издание, Neuton е невронна мрежа, която ефективно решава проблеми с регресия и класификация. Нуждае се от обучение, въпреки че пробите за обучение са по-малки в сравнение с други алгоритми.

Също: Intel разкрива процесора за невронни мрежи Nervana

Получените модели се доставят във формат hdf5, който е с отворен код и може да се използва от повечето съвременни програмни езици и рамки, включително Keras. Hdf5 се поддържа от Python, Java, R и др. Има също поддръжка за готова за използване REST API услуга и за графични процесори.

Нюман каза:

„Neuton е независим метод за машинно обучение, това е наша собствена разработка. Работният процес на Neuton е много лесен и се състои от няколко стъпки.

В първата стъпка потребителят качва своите данни. Във втората стъпка те определят кои данни да се използват за обучение и кои да се използват за валидиране. На третата стъпка те избират показател за своята задача и критерии за спиране на обучението. След приключване на обучението, ние даваме възможност на потребителя да се увери в неговата точност, прогнозирайки резултатите по неизвестни данни. На последната стъпка потребителят може да избере как да използва модела.

Предлагаме възможност за изтегляне на модела или хостване в облака. За големи корпоративни клиенти, които не се чувстват сигурни при качването на своите данни в публичен облак, ние внедряваме модела на място.

Моделът на Neuton може да се използва или като самостоятелно решение, или за изграждане на ансамбъл от различни алгоритми. Моделите, базирани на Neuton, могат автоматично да бъдат пуснати като REST-API услуга с едно кликване. Те също могат да бъдат изтеглени с примерен код за локална употреба в Python."

Как е възможно? И какво става с тези бенчмаркове? Налични ли са спецификациите на бенчмарковете? Могат ли трети страни да възпроизведат резултатите? Те включват ли обучение и изводи? Защо някои резултати се измерват за единични модели Neuton, а други също за ансамбъл?

Нюман обясни:

„Благодарение на нашия патентован алгоритъм и разрушителна технология за машинно обучение, моделите, изградени върху Neuton, са супер компактни, което означава, че се състоят от относително малко неврони и коефициенти. Действителният алгоритъм е нашият IP, следователно не можем да го разкрием. Резултатите от Neuton бяха сравнени с Caffe2, Tensor Flow+Keras, CNTK, Torch, Theano. Тези мрежи показаха много сходни резултати.

Също: Софтуерът на Fast.ai може радикално да демократизира ИИ

Нюман продължи да изяснява, че за да спести място на екрана, в таблиците за сравнение те показват Keras с бекенда на TensorFlow, както и неневронни методи, като всички популярни алгоритми xgboost, catboost, линейна/логистична регресия, произволна гора и др.

Той каза:

„Резултатите също могат да се възпроизвеждат от трети страни, а обучените модели заедно с наборите от данни и използваната конфигурация на TensorFlow могат да бъдат изтеглени от уебсайта за офлайн употреба. Ние демонстрирахме характеристиките на бъдещите версии на Neuton.

Проведохме няколко експеримента, които доказват, че използването на моделите на Neuton в ансамбъл значително подобрява резултатите от единичния модел. Използвахме тези резултати в сравнение с някои традиционни алгоритми, които сами по себе си са ансамбли (xgb, произволна гора и т.н.)."

Към Неутон или не към Неутон?

Технически не можем да кажем дали Neuton прави Deep Learning или не, тъй като не знаем вътрешната му архитектура. Но това не променя факта, че всичко това звучи впечатляващо. Изпълнението обаче не е всичко. Как се изправя Neuton срещу изпитаните и истински шампиони и най-новия и най-велик PyTorch и fast.ai?

Също: Google Brain, Microsoft откриват мистериите на мрежите с AI

Нюман каза:

„За разлика от Neuton, PyTorch и Fast.ai изискват известно кодиране и познаване на архитектурите на невронни мрежи, което означава, че нашата целева аудитория е много по-широка и времето за настройка на модела е по-кратко, независимо от нивото на експертиза.

Ние също така предлагаме на нашите потребители всички необходими инфраструктурни елементи, включително съхранение на потребителски данни и модели, виртуални машини с GPU за обучение, виртуални машини за внедряване в облака, като същевременно дават възможност на корпоративните клиенти да използват Neuton в своите помещения, където желаят.

От гледна точка на производителността и ефективността новите библиотеки, споменати по-горе, са все същите и не влияят на нашите показатели."

Нюман добави:

„Неутон прави AI достъпен за всички и увеличава човешката изобретателност, което ще има трансформиращо въздействие върху икономиката, всяка индустрия, науката пробиви и качеството на ежедневния живот на нашето и бъдещите поколения чрез по-широко използване и приемане на изкуствени интелигентност.

Вярваме, че интелигентността прави света по-добро място."

Нюман продължи да предоставя известна предистория относно именуването на Неутон. Neuton е игра на думи за невронни мрежи и сър Исак Нютон, който вярваше, че интелигентността прави света по-добро място.

Би било трудно да се твърди обратното. Но истинският въпрос тук е: Трябва ли забравете за всичко останало и започнете да създавате следващите си AI модели на Neuton? Е, може би не толкова бързо.

Ясно е, че е необходимо известно експериментиране и Bell Integrator се надява, че ще привлече достатъчно внимание, за да изкуши поне хората да опитат Neuton. Но ако приемем, че всичко това работи, както е обещано, какво следва?

Също: Запознайте се със странните D&D създания, създадени от невронна мрежа CNET

Бизнес моделът на Bell Integrator за Neuton не ни е ясен, тъй като не получихме изричен отговор на искането ни за коментар. Neuton е патентована, това е сигурно, но колко ще струва използването му и при какви условия, не знаем на този етап.

Това е в поразителен контраст с почти всяка друга рамка там, която е с отворен код. Разбира се, отвореният код не означава безплатен и всеки има своите причини да тръгне по пътя на отворения код. В края, дори ако можете да използвате рамки за машинно обучение безплатно, съхранението и изчисленията ще трябва да платите, така че наличието на рамка с отворен код е добър начин за доставчиците на облак за привличане на приходи.

Разбира се, Neuton също ще се нуждае от ресурси за съхранение и изчисления, за да работи, дори и да е много по-малко от тях. И така, от гледна точка на икономиката, всичко се свежда до правене на математика за всеки отделен случай: ще бъдат ли разходите за използване на Neuton оправдани от намалените разходи за ресурси, необходими за използването му?

Ще трябва също да видим как Neuton се развива от гледна точка на използваемост и поддръжка. На хартия API и езиковата поддръжка изглеждат добре, въпреки че ще трябва да изчакаме да ги видим на практика, особено по отношение на твърдението „не е необходим опит“. Плюс това, консултантска компания като Bell Integrator може да не е свикнала или не е готова да се занимава с масивни искания за поддръжка. Някои от режимите на работа на Neuton също не са напълно функционални в този момент.

Във всеки случай, ако нуждата от скорост е вашето изискване номер 1, Neuton определено си заслужава да бъде разгледан. Ще бъде интересно да видим как това ще повлияе на напредъка в машинното обучение.

Предишно и свързано покритие:

Какво е AI? Всичко, което трябва да знаете

Изпълнително ръководство за изкуствен интелект, от машинно обучение и общ AI до невронни мрежи.

Какво е дълбоко обучение? Всичко, което трябва да знаете

Ниското ниво на дълбокото обучение: от това как се свързва с по-широкото поле на машинното обучение до това как да започнете с него.

Какво е машинно обучение? Всичко, което трябва да знаете

Това ръководство обяснява какво представлява машинното обучение, как е свързано с изкуствения интелект, как работи и защо има значение.

Какво е облачно изчисление? Всичко, за което трябва да знаете

Въведение в облачните изчисления от основите до IaaS и PaaS, хибриден, публичен и частен облак.

Свързани истории:

• Няма една роля за AI или науката за данни: това е екипно усилие
• Startup Kindred носи частица надежда за AI в роботиката
• AI: Гледката от Главния офис за наука за данни
• Salesforce представя Einstein Voice, AI гласов асистент за предприятия
• Не ме притесняват работните места, които AI унищожава, а тези, които растат
• Разработчици, радвайте се: сега AI може да пише код за васTechRepublic