Deci, startup di ottimizzazione del modello di intelligenza artificiale, raccoglie 21 milioni di dollari
Deci , con sede a Tel Aviv, in Israele , una società che sviluppa una piattaforma per ottimizzare i modelli di apprendimento automatico, ha annunciato oggi di aver raccolto 21 milioni di dollari in un round di serie A guidato da Insight Partners con la partecipazione di Square Peg, Emerge, Jibe Ventures, Samsung Next, Vintage Partner di investimento e Fort Ross Ventures. L’investimento, che arriva un anno dopo il seed round di Deci da $ 9,1 milioni, porta il capitale totale dell’azienda raccolto a $ 30,1 milioni e sarà utilizzato per supportare la crescita espandendo le vendite, il marketing e le operazioni di assistenza, secondo il CEO Yonatan Geifman.
I progressi nell’intelligenza artificiale hanno portato a innovazioni con il potenziale per trasformare le imprese in tutti i settori. Ma i lunghi cicli di sviluppo e gli elevati costi di elaborazione rimangono ostacoli nel percorso verso la produzione. Secondo un recente sondaggio McKinsey , solo il 44% degli intervistati ha riportato risparmi sui costi derivanti dall’adozione dell’IA nelle unità aziendali in cui è implementata. Gartner prevede che, se la tendenza attuale regge, l’80% dei progetti di intelligenza artificiale rimarrà “alchimia”, gestito da “maghi [della scienza dei dati]” i cui talenti “non si espanderanno nell’organizzazione”.
Deci è stata fondata nel 2019 da Geifman, Ran El-Yaniv e dall’imprenditore Jonathan Elial. Geifman ed El-Yaniv si sono incontrati al dipartimento di informatica del Technion, dove Geifman era un dottorando ed El-Yaniv un professore. Sfruttando le tecniche di data science, il team ha sviluppato prodotti per accelerare l’intelligenza artificiale sull’hardware riprogettando i modelli per massimizzare il throughput riducendo al minimo la latenza.
“Ho fondato Deci nel 2019 con il professor Ran El-Yaniv e Jonathan Elial per affrontare le sfide sopra indicate. Con il nostro talentuoso team di ricercatori e ingegneri di deep learning, abbiamo sviluppato una soluzione innovativa, utilizzando l’IA stessa per creare la prossima generazione di intelligenza artificiale. Utilizzando un approccio algoritmico, ci concentriamo sul miglioramento dell’efficacia degli algoritmi di intelligenza artificiale, fornendo così modelli che superano i vantaggi di qualsiasi altra tecnologia di ottimizzazione hardware o software”, ha detto Geifman a VentureBeat via e-mail.
Deci ottiene l’accelerazione del runtime su cloud, edge e mobile attraverso la preelaborazione e il caricamento dei dati, selezionando automaticamente le architetture del modello e gli iperparametri (ovvero le variabili che influenzano le previsioni di un modello). La piattaforma gestisce anche passaggi come l’implementazione, il servizio e il monitoraggio, il monitoraggio continuo dei modelli e l’offerta di consigli in cui i clienti possono migrare a servizi più convenienti.
“La piattaforma di Deci offre un sostanziale incremento delle prestazioni ai modelli di deep learning esistenti preservandone l’accuratezza”, scrive l’azienda sul proprio sito web. “Progetta modelli profondi per utilizzare in modo più efficace la piattaforma hardware su cui vengono eseguiti, che si tratti di CPU, GPU, FPGA o acceleratori ASIC per scopi speciali. L’acceleratore … è una soluzione algoritmica dipendente dai dati che lavora in sinergia con altre tecniche di compressione note, come la potatura e la quantizzazione. In effetti, l’acceleratore funge da moltiplicatore per soluzioni di accelerazione complementari, come compilatori AI e hardware specializzato.
AutoNAC
Le implementazioni di machine learning sono state storicamente limitate dalle dimensioni e dalla velocità degli algoritmi, nonché dalla necessità di hardware costoso. In effetti, un rapporto del MIT ha scoperto che l’apprendimento automatico potrebbe avvicinarsi ai limiti computazionali. Uno studio sincronizzato separato ha stimato che il modello di rilevamento delle notizie false di Grover dell’Università di Washington costa $ 25.000 per l’addestramento in circa due settimane e Google ha speso circa $ 6.912 per la formazione del BERT .
La soluzione di Deci è un motore — Automated Neural Architecture Construction, o AutoNAC — che ridisegna i modelli per creare nuovi modelli con diversi percorsi di calcolo, ottimizzati per un dispositivo di inferenza e un set di dati. Ogni percorso è specializzato con un’attività di previsione e il componente router di Deci assicura che ogni input di dati sia diretto tramite il percorso corretto.
“La nostra tecnologia AutoNAC, la prima Neural Architecture Search (NAS) commercialmente valida, ha recentemente scoperto DeciNets, una famiglia di modelli di visione artificiale leader del settore che ha stabilito una nuova frontiera efficiente utilizzando solo una frazione della potenza di calcolo utilizzata dal Tecnologie NAS su scala Google, quest’ultima utilizzata per scoprire architetture neurali note e potenti come EfficientNet”, ha affermato Geifman. “Tali modelli forniscono agli sviluppatori ciò che è necessario per trasformare le loro idee in prodotti rivoluzionari”.
L’azienda di trenta dipendenti, Deci, ha recentemente annunciato una collaborazione strategica con Intel per ottimizzare l’inferenza dell’intelligenza artificiale sulle CPU del produttore di chip. Oltre a Intel, la startup afferma che “molte” aziende di veicoli autonomi, produzione, comunicazione, editing di video e immagini e assistenza sanitaria hanno adottato la piattaforma Deci.
“Deci è stata fondata per aiutare le aziende a massimizzare il potenziale delle loro soluzioni basate sull’intelligenza artificiale. Le aziende che stanno sfruttando l’intelligenza artificiale affrontano una lotta verso l’alto, poiché la ricerca dimostra che solo il 53% dei progetti di intelligenza artificiale passa dal prototipo alla produzione”, ha affermato Geifman. “Questo problema può essere in gran parte attribuito alle difficoltà di navigazione nell’ingombrante ciclo di vita del deep learning, dato che le nuove funzionalità e i casi d’uso sono ostacolati da disponibilità hardware limitata, modelli lenti e inefficaci, tempo perso durante i cicli di sviluppo e barriere finanziarie. In poche parole, gli sviluppatori di intelligenza artificiale hanno bisogno di strumenti migliori che esaminino e affrontino gli algoritmi stessi; altrimenti continueranno a bloccarsi”.
Deci ha concorrenza in OctoML , una startup che allo stesso modo pretende di automatizzare l’ottimizzazione dell’apprendimento automatico con strumenti e processi proprietari. Altri concorrenti includono DeepCube , Neural Magic e DarwinAI , che utilizza quella che chiama “sintesi generativa” per ingerire modelli e sputare versioni altamente ottimizzate.
