Inteligência Artificial: aprendizagem profunda e mais rápida, veja

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

Por Brasil Econômico | * |

15/08/2017 12:36

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.

Foto: 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.

Você viu?

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.

*Com tradução de futurism.com