Enot , una startup di intelligenza artificiale sostenuta da New Nordic Ventures, con sede in Lettonia , ha annunciato il lancio di un framework dedicato per ottimizzare le reti neurali profonde .
L’offerta basata sull’intelligenza artificiale, come spiega l’azienda, viene fornita con un’API Python che può essere integrata in varie pipeline di addestramento della rete neurale. Automatizza quindi la ricerca dell’architettura di rete ottimale, considerando vari parametri hardware e software incentrati, tra cui RAM, latenza, vincoli di dimensione del modello e tipo di operazione.
“Il framework di Enot.ai prende come input una rete neurale addestrata, dopodiché seleziona una sottorete con la latenza più bassa e in grado di garantire che non vi sia alcun degrado della precisione”, ha detto l’azienda a VentureBeat.
L’intero processo rende la rete neurale più veloce, più piccola e più efficiente dal punto di vista energetico, risolvendo le sfide comunemente affrontate dagli sviluppatori di tutto il mondo.
L’impatto di Enot
Enot afferma che la sua soluzione ha il potenziale per aiutare gli sviluppatori di intelligenza artificiale e le aziende a raggiungere fino a 20 volte l’accelerazione della rete neurale e fino a 25 volte la compressione della rete. I vantaggi aiutano anche a ridurre i costi dell’hardware di elaborazione fino al 70%.
“Enot è in prima linea nell’ottimizzazione dell’IA di livello successivo, aiutando a portare livelli di avanzamento dell’IA rapidi e in tempo reale … Il nostro viaggio è appena iniziato con esempi come la diserbatrice laser Weedbot che ha ottenuto un’accelerazione 2,7 volte, grazie a Enot quadro”, ha affermato Sergey Aliamkin, CEO e fondatore dell’azienda.
Complessivamente, la società afferma di aver condotto progetti pilota con oltre 20 aziende, inclusi i principali attori come PicsArt , LG, Huawei, Dscribe e Hive.aero.
In un caso, ha accelerato una rete neurale di miglioramento dell’immagine di 13,3 volte per un produttore di smartphone. L’ottimizzazione ha ridotto la profondità della rete neurale da 16 a 11 e ha ridotto la risoluzione di input da 224 x 224 pixel a 96 x 96 pixel, senza alcuna perdita di precisione, ha affermato la società. Aveva anche un altro progetto con la stessa azienda in cui il framework forniva un’accelerazione 5,1 volte per una rete neurale di denoising delle foto, senza alcun cambiamento nella qualità.
“Prima di incontrarci, avevano già diversi clienti, tra cui grandi aziende tecnologiche internazionali come LG, Huawei, Sony. Ciò ci ha confermato che Enot sta risolvendo un problema critico per l’azienda nello spazio della rete neurale che non può essere risolto internamente né ci sono soluzioni fattibili disponibili sul mercato”, ha detto a Venturebeat Dmitry Saikovsky, General Partner di New Nordic Ventures.
Altri giocatori che cercano di risolvere lo stesso problema sono Deci.ai , OctoML , DeepCube , Deeplite, NeuralMagic e DarwinAI.
