Sok iparágban komoly beruházások zajlanak a mesterséges intelligencia (MI) területén. Ezen belül is különösen élénk az érdeklődés a mélytanulás iránt.
A mélytanulási piacon 42%-os átlagos éves növekedés várható a 2024-ig tartó időszakban (forrás: MarketWatch). A növekedés egyik oka, hogy ma már rendkívül nagy adatsorok érhetők el kiváló minőségben.
Sok vállalat azonban nehezen csatlakozik a trendhez. Ez részben amiatt van így, mert napjainkban az MI – a gyors ütemben zajló fejlesztések ellenére – még mindig sok kísérletezést igényel.
Van azonban rövidebb útja is annak, hogy a cégek kiaknázzák a mélytanulásban rejlő lehetőségeket: a Zinrai Deep Learning System (ZDLS).
Miért igényel a mélytanulás még mindig speciális szakértelmet?
A rá irányuló figyelem ellenére a mélytanulás még mindig komoly szakértelmet igénylő terület. Ennek megvan a maga oka. Az MI ugyanis rendkívül gyors ütemben fejlődik.
A ma megvalósított MI-projektek már néhány hónapon belül jóval fejlettebb környezetben, úgynevezett keretrendszerben fognak működni. És az infrastruktúránál is hasonlóan lendületes a fejlődés.
Az új technológiák gyors projektmegvalósítást tesznek lehetővé, és így végső soron lerövidítik az új MI-támogatott termékek és innovációk piacra lépési idejét.
Számos MI-megoldás nyílt forráskódú és ingyen elérhető – ez jó dolog. Az ingyenes neurális hálózatokhoz/modellekhez egyetlen egérkattintással hozzá lehet férni.
Ugyanakkor egyre komplexebb feladat a maximumot kihozni a neurális hálózatokból. A szoftverek és a hardverek mindinkább összefonódnak és össze vannak hangolva – valójában hardvert és szoftvert is tartalmazó célgépként működnek. Ez pedig a neurális hálózatok tanítását és tesztelését is erősen befolyásolja.
A ZDLS fejlesztésekor a Fujitsu a kifejezetten a mélytanulás betanítására kifejlesztett Deep Learning Unit (DLU) processzorra támaszkodott, így az előtesztelt és hangolt neurális hálózatok széles körét bocsátja ügyfelei rendelkezésére.
A rendszer tartalmazza a piac legnépszerűbb és legjobb megoldásait – legyen szó képfelismerésről, beszédről, szövegről, saját botfejlesztésről stb. Valamennyi megoldás optimálisan az infrastruktúrára van hangolva, és élvezi a kivételesen gyors DLU processzor támogatását.
A Fujitsu meghonosítja az adatközpontban a mesterséges intelligenciát
A ZDLS adatközponti infrastruktúrába és folyamatokba integrálásakor a rendszergazdák akár több ZDLS node-ot is épp olyan könnyen felügyelhetnek, mint bármely más adatközponti rendszert.
Ráadásul a ZDLS jóval kevesebb energiát fogyaszt a jelenlegi GPU-alapú megoldásoknál. Az esetek többségében a rendelkezésre álló rackhelyet és a hűtést is teljes egészében képes kihasználni. Ez jelentős beruházást és üzemeltetési költséget takarít meg.
Infrastruktúrától függően három év alatt akár 5-6 számjegyű megtakarítás is elérhető!
Ráadásul a ZDLS folyamatos továbbfejlesztése és a vezető technológiai partnerek ezzel összehangolt fejlesztései is garantáltak.
Az adatközpont-üzletág képviselőjeként nemrég ellátogattam a San Franciscói VMWorld 2019 konferenciára, hogy megvitassam a szakma képviselőivel, milyen következményekkel jár a szoftveralapú adatközpontok fejlődése a mesterséges intelligencia alkalmazására.
Adatközponti megoldásainkra példa a VMware vagy a fejlesztési környezet tárolását és betöltését támogató bármely más megoldás (ún. konténer) alatt működő speciális Fujitsu virtuális gép. Ezzel a megoldással nagyrészt kiküszöbölhetők a keretrendszerek gyors fejlődéséből eredő – cikkünk elején tárgyalt – problémák, és nem szükséges új környezetekre adaptálni a már megírt alkalmazást.
Nincs más teendő, mint betölteni az alkalmazáshoz megfelelő környezetet, és máris indulhat a fejlesztés!
Az MI új alapokra helyezi a gondolkodást: többet nyújt – kevesebb pénzért
Az MI-kész rendszer előnyei nyilvánvalóak: a vállalatoknak nem kell hosszadalmasan tervezniük, kísérletezniük, konfigurálniuk és tesztelniük. Ez rengeteg időt és pénz takarít meg. A meglévő infrastruktúrába és folyamatokba való beépülés képessége azonban csak egy a ZDLS jellemzői közül.
A ZDLS áttörő csomagja teljesen új szintre emeli a mélytanulási alkalmazások használatát, és lehetővé teszi a hardverben rejlő lehetőségek 100%-os kiaknázását.
A masszív párhuzamos teljesítmény megbízhatóan kiiktatja a szűk keresztmetszeteket, és az FP32 technológia mellett a Fujitsu Labs Japan matematikai innovációját, az újonnan kifejlesztett DL-INT8 funkcionalitást is hasznosítja.
Ennek gyakorlati előnye az MI betanításának gyorsulása, valamint a GPU-alapú infrastruktúrákéval megegyező vagy nagyobb pontosság. A megoldás ráadásul jóval kevesebb energiát fogyaszt, és optimálisan kihasználja az adatközpontban rendelkezésre álló fizikai helyet.
A ZDLS magját képező, szupergyors Deep Learning Unitra épülő képlet roppant egyszerű:
Kevesebb hardver + kevesebb energia + kevesebb rackhely + kevesebb munka = nagyobb teljesítmény
Számos ok miatt érdemes megvizsgálni, milyen lehetőségeket kínál az Önök vállalatánál a mélytanulás alkalmazása – és még több érv szól amellett, hogy erre a célra a ZDLS-t használják. A továbbiakban részletesebben írunk majd arról, hogyan segít rendszerünk soha nem látott eredményekhez jutni a mélytanulásból. Kövesse híreinket!
A Zinrai Deep Learning Systemről webhelyünkön olvashat bővebben.
Fujitsu Magyarország
Szerző: Udo Würtz/Fujitsu
