AI tạo ra AI: Một AI của startup đã có thể tạo ra các mạng nơ-ron thu nhỏ

90

Cụ thể, đây là một nền tảng được tạo ra bởi DarwinAI, hiện đang trong qua trình thử nghiêm bởi Audi, có khả năng dễ dàng tạo ra các mô hình điện toán biên (edge computing).

Trước đây, Alexandar Wong, một nhà nghiên cứu tại Đại học Waterloo từng không có đủ bộ xử lý cho startup thị giác máy tính của mình, và vì vậy đã phát triển ra một lối tắt. Hiện nay, chính lối tắt này đã trở thành sản phẩm của công ty ông.

DarwinAI có trụ sở tại Ontario, được thành lập bởi một đội ngũ tới từ đại học của bang, hiện nay đang cung cấp một nền tảng cho phép các nhà phát triển tạo ra các mô hình thu nhỏ từ mạng nơ-ron. Với nền tảng này, họ có thể tạo ra nhiều mạng hơn trong thời gian ngắn hơn, sử dụng ít data footprint hơn.

Các mô hình nhẹ này rất thích hợp cho những doanh nghiệp đang phát triển các mạng điện toán biên ứng dụng AI để xử lý các dữ liệu cảm ứng từ hệ thống đính kém, cũng như từ các thiết bị di động.

Công việc trên đang ngày một trở nên phổ biến, lan rộng tới nhiều lĩnh vực như: Xe tự động, sản xuất, công nghiệp vũ trụ, y tế, đồ điện gia dụng – Và tất cả đều đang sử dụng AI là tiền đề để phát triển các mạng GPU.

Dự kiến tới năm 2025 sẽ có tới 150 tỷ máy cảm ứng và thiết bị IoT, luôn luôn trong quá trình xử lý dữ liệu.

Còn tại thời điểm hiện tại, ta đang cần rất nhiều nguồn lực, cả máy tính lẫn con người để xây dựng các mô hình xử lý này.

Chính vì vậy, với nền tảng của hãng, DarwinAI mong muốn giảm đi nguồn lực và chi phí cần thiết cho việc phát triển, thông qua việc sử dụng nền tảng này để tạo ra các mô hình nhỏ gọn từ những mô hình có sẵn.

Chúng ta có thể sử dụng AI tại biên của các thiết bị di động, đồng thời cho các khách hàng cần những mạng nơ-ron mạnh mẽ trong các thiết bị như ô tô, đồng hồ, máy bay, cũng như nhiều lĩnh vực khác,” Sheldon Fernandez, CEO và đồng sáng lập DarwinAI phát biểu.

Generative Synthesis

Nền tảng của DarwinAI có tên gọi là GenSynth, và là thành tựu của những nghiên cứu cấp tiến trong lĩnh vực generative synthesis. Về cơ bản, lĩnh vực này tập trung vào việc sử dụng AI để tạo ra AI.

Vào cuối năm ngoái, các nhà sáng lập của Darwin đã công bố một nghiên cứu trong lĩnh vực này, và kết hợp nó với các nghiên cứu độc quyền của công ty để tạo ra sản phẩm đầu tiên này.

Cụ thể, nền tảng của DarwinAI sử dụng Machine Learning để thăm dò và hiểu cấu trúc của mạng nơ-ron của khách hàng. Sau đó, AI của nền tảng sẽ tạo ra một cộng đồng mạng nơ-ron khác, có hoạt động tương tự nhưng mạng gốc nhưng nhỏ hơn và nhanh hơn.

Công ty này là một thành viên của chương trình NVIDIA Inception, đặt mục tiêu giúp các startup nhanh chóng thương mại hóa và hiện diện trên thị trường.

Mạng DarwinAI cho Audi Rides

Các nghiên cứu của startup đã nhanh chóng thu hút sự chú ý của nhiều công ty đồ điện gia dụng, khoa học vũ trụ, và sản xuất ô tô, trong đó có Audi.

Trong case study với Audi, DarwinAI đã sử dụng nền tảng GenSynth để tăng tốc để thiết kế và tùy chỉnh các mạng nơ-ron sâu, đạt hiệu quả tối ưu nhất trong nhận diện vật cản sử dụng trong xe tự lái.

Kết quả của case study là vô cùng khả quan: Nền tảng GenSynth đã giúp các nhà phát triển của Audi tăng tốc độ huấn luyện mô hình tời 4 lần, đồng thời giảm thời gian xử lý tới ¾.

Nói về cuộc thử nghiệm, Fernandez đã chia sẻ: “Họ phải xử lý tới 2 terrabyte dữ liệu, và chúng tôi đã giúp giảm phần lớn thời gian thử nghiệm. Điều này đã hỗ trợ việc huấn luyện GPU cho họ, đồng thời mang lại những lợi ích lớn cho các nhà phát triển.”

GPU cho GenSynth

DarwinAI lại tiếp tục phát triển GenSynth để giảm thiểu thời gian phát triển cho chính nền tảng này, sử dụng các NVIDIA GPU trên AWS và Microsoft Azure để đẩy nhanh quy trình code.

Ngoài ra, các khách hàng ban đầu của DarwinAI cũng đã bắt đầu sử dụng nền tảng này để đẩy nhanh phát triển. Sử dụng các module NVIDIA Jetson trực tiếp và NVIDIA V100 Tensor Core GPU trên đám mây để huấn luyện và giải nghĩa, lượng dữ liệu phải xử lý trên hệ thống cũng đã được giảm thiểu.

Deep learning là một vấn đề rất phức tạp, và bạn cần phải phối hợp sử dụng AI tăng cường bởi GPU để đạt hiệu quả cao nhất, giúp giảm thiểu thời gian, từ đó tận dụng phần thời gian tiết kiệm được để sáng tạo,” Fernandez nói.

FPT TechInsight
Theo NVIDIA

Tin liên quan: