Tamanho do texto

A intenção é fazer com que o potencial de aprendizagem dos sistemas de inteligência artificial consiga aprender em horas, coisas que levam dias hoje

Brasil Econômico

As tecnologias atuais de Inteligência Artificial (IA) geralmente são executadas usando os algoritmos das máquinas. Essa operação, que é chamada de rede neural – sistema projetado para imitar o funcionamento interno do cérebro humano -, é parte do chamado aprendizagem profunda. Atualmente, os avanços da IA envolvem uma grande parte de aprendizagem profunda, com dispositivos como AlphaGo, o playing criado pela DeepMind, do Google.

Leia também: Entende de moedas criptografadas? IBM, Microsoft, USAA e Visa têm vagas abertas

Inteligência artificial: “A ideia é mudar a taxa do quão rápido você pode treinar o modelo de aprendizado profundo e realmente impulsionar essa produtividade”
shutterstock
Inteligência artificial: “A ideia é mudar a taxa do quão rápido você pode treinar o modelo de aprendizado profundo e realmente impulsionar essa produtividade”

Agora, a IBM anunciou que eles têm desenvolvido uma Inteligência Artificial que torna todo o processo de aprendizagem da máquina mais rápido.  Em vez de executar modelos complexos de aprendizado profundo em apenas um único servidor, a equipe, liderada pelo diretor de aceleração de sistemas e memória da IBM Research, Hillery Hunter, conseguiu expandir eficientemente a aprendizagem profunda distribuída (DDL) usando múltiplos servidores.

“A ideia é mudar a taxa do quão rápido você pode treinar o modelo de aprendizado profundo e realmente impulsionar essa produtividade”, disse Hunter à revista estadunidense Fortune. Anteriormente, era difícil implementar configurações de DDL por causa da complexidade necessária para manter os processadores sincronizados. O time de pesquisa da IBM gerenciou para uso 64 de seus servidores Power 8 para facilitar o processamento dos dados. Cada processador foi vinculado usando processadores gráficos Nvidia e uma conexão rápida NVLink, resultando no que o time de Hillery chama: PowerAI DDL.

Leia também: Vendeu e não tem como entregar? Aplicativo ajuda a resolver questões logísticas

Potência de processamento

Em vez de dias para captar o aprendizado profundo para processar os modelos, agora poderia levar apenas horas. “Nosso objetivo é reduzir o tempo de espera associado ao aprendizado profundo, passando de dias para horas, para minutos e para segundos, e garantir maior precisão dos modelos de IA”, escreveu Hunter na pesquisa da IBM .

No estudo publicado online, a equipe afirmou que eles gerenciaram uma eficiência de escala de 95% em 256 processadores quando executaram a instalação usando um framework de aprendizado profundo desenvolvido na Universidade da Califórnia em Berkeley. Eles também registraram uma taxa de precisão de reconhecimento de imagem de 33,8%, processando 7,5 milhões de imagens em pouco mais de sete horas, superando o recorde da Microsoft de 29,8% em 10 dias.

Alguns, portanto, são céticos com a pesquisa. O presidente e fundador da base de pesquisa técnica do Texas, Patrick Moorhead, disse à Fortune que 95% é muito bom para ser verdade. Ainda assim, a conquista da IBM poderia potencialmente aumentar a capacidade das redes de aprendizado profundo. Isso poderia levar a melhorias na forma em como a Inteligência Artificial ajuda na pesquisa médica e em sistemas autônomos, reduzindo o tempo necessário para fazer grandes progressos.

Leia também: Nova recorde: Bitcoin volta a se superar e ultrapassa a marca dos US$ 4 mil

*Com tradução de futurism.com