Em 14 de dezembro, 2018, A IBM lançou o NeuNetS, uma capacidade fundamentalmente nova que aborda a lacuna de habilidades para o desenvolvimento dos modelos de IA mais recentes para uma ampla gama de domínios de negócios. NeuNetS usa IA para sintetizar automaticamente modelos de redes neurais profundas com mais rapidez e facilidade do que nunca, intensificando a adoção de IA por empresas e PMEs. Automatizando totalmente o desenvolvimento e implantação do modelo de IA, O NeuNetS permite que usuários não especialistas construam redes neurais para tarefas e conjuntos de dados específicos em uma fração do tempo que leva hoje - sem sacrificar a precisão.

A necessidade de automação

A IA está mudando a forma como as empresas trabalham e inovam. As redes neurais artificiais são indiscutivelmente a ferramenta mais poderosa atualmente disponível para cientistas de dados. Contudo, embora apenas uma pequena proporção dos cientistas de dados tenha as habilidades e a experiência necessárias para criar uma rede neural de alto desempenho do zero, ao mesmo tempo, a demanda excede em muito a oferta. Como resultado, a maioria das empresas se esforça para obter de forma rápida e eficaz uma nova rede neural projetada com arquitetura personalizada para atender às necessidades de seus aplicativos específicos, mesmo no estágio de prova de conceito. Assim, as tecnologias que preenchem essa lacuna de habilidades projetando automaticamente a arquitetura de redes neurais para um determinado conjunto de dados estão ganhando cada vez mais importância. O motor NeuNetS traz IA para este pipeline para acelerar os resultados. O uso de IA para o desenvolvimento de modelos de IA traz um novo e muito necessário grau de escalabilidade para o desenvolvimento de tecnologias de IA.

Sob o capô do NeuNetS

NeuNetS é executado em um ambiente totalmente em contêiner implementado na nuvem IBM com Kubernetes. A arquitetura é projetada para minimizar a interação humana, automatizar a carga de trabalho do usuário, e melhorar o uso. Os usuários não precisam escrever código ou ter experiência com estruturas de aprendizado profundo existentes:tudo é automatizado, desde a ingestão e pré-processamento do conjunto de dados, para o treinamento de pesquisa de arquitetura e implantação de modelo. Como o campo da automação de IA está se movendo em um ritmo rápido, o sistema precisa ser capaz de adotar as abordagens mais recentes com impacto mínimo no serviço em execução. Como tal, projetamos a estrutura NeuNetS para ser flexível e modular, para que novos algoritmos poderosos possam ser incluídos a qualquer momento. NeuNetS alavanca os ativos existentes da IBM, como DLaaS, HPO, e WML. Os modelos de redes neurais são sintetizados nas GPUs NVIDIA Tesla V100 de última geração.

Tecnologia de pesquisa de ponta

Os algoritmos NeuNetS são projetados para criar novos modelos de rede neural sem reutilizar modelos pré-treinados. Isso nos permite explorar um amplo espaço de configurações de arquitetura de rede e, ao mesmo tempo, ajustar o modelo para o conjunto de dados específico fornecido pelo usuário.

O portfólio de algoritmos NeuNetS inclui versões aprimoradas de trabalhos publicados recentemente, como TAPAS [3], NCEvolve [4], e HDMS [5], bem como um motor otimizador de grão fino. Esses algoritmos dão um passo à frente em relação ao estado da arte na literatura e na prática, abordando problemas fundamentais, como generalidade do conjunto de dados e escalabilidade de desempenho. TAPAS é um sintetizador de rede neural extremamente rápido, realizando abordagens de aprendizagem de transferência próximas, baseando-se na verdade pré-gerada e em mecanismos de previsão inteligente. NCEvolve sintetiza redes de alto desempenho, minimizando a quantidade de tempo de treinamento e necessidades de recursos. HDMS combina uma versão aprimorada de hiperbanda com aprendizado de reforço para sintetizar redes personalizadas para conjuntos de dados menos comuns. Por último mas não menos importante, nosso motor de síntese de grão fino usa um algoritmo evolutivo para construir filtros de convolução personalizados, levando ao ajuste fino de baixo nível da arquitetura neural.

Futuro do NeuNetS

Com base em vários algoritmos de otimização e uma arquitetura modular, NeuNetS pode acomodar uma ampla gama de cenários de síntese de modelo. A próxima etapa é permitir que os usuários não apenas atualizem os dados, mas também para decidir quanto tempo e quantos recursos alocar para a síntese do modelo, bem como, opcionalmente, o tamanho máximo do modelo, e a plataforma de implantação de destino. Nesse sentido, as cargas de trabalho de análise de séries temporais e IoT desempenharão um grande papel. Para permitir que os usuários façam uso eficaz dos modelos sintetizados, estamos criando recursos de visualização inovadores para comparar as principais características do modelo, incluindo desempenho, tamanho e tipo. Para continuar ajudando os usuários assim que um modelo for implantado e aumentando sua confiança na IA, estamos trabalhando em técnicas que melhoram a visibilidade da estrutura e do comportamento do modelo em todo o ciclo de vida da IA.

Experimente NeuNetS agora

NeuNetS beta está disponível hoje como parte do produto AI OpenScale no Watson Studio, na nuvem IBM. Esta primeira versão oferece uma síntese de modelo para classificação de imagem e texto, com desempenho semelhante ao das redes neurais feitas à mão. Cargas de trabalho visuais têm sido objeto de intensa pesquisa, desenvolvimento, e competições na última década e, portanto, representam um benchmark difícil. Em contraste, modelos de alta precisão para texto não são muito difundidos hoje, e o NeuNetS ajudará usuários não especialistas a lucrar com a tecnologia mais recente disponível neste domínio.

Você pode obter acesso neste link:dataplatform.cloud.ibm.com/ml/neunets.

Esta história foi republicada por cortesia da IBM Research. Leia a história original aqui.