HPE rilascia il sistema di sviluppo ML per aiutare le aziende a implementare l’IA su larga scala
È un enigma in tutto il settore aziendale: la modellazione di intelligenza artificiale (AI) e machine learning (ML) offre un grande valore aziendale in una varietà di casi d’uso. Ma per raggiungere questo obiettivo sono necessari notevoli investimenti in termini di tempo e denaro nell’infrastruttura dell’IA.
E molte organizzazioni non ci sono ancora, il che significa che gli ingegneri spesso trascorrono la maggior parte del loro tempo eseguendo attività manuali e gestione dell’infrastruttura piuttosto che costruire, addestrare e distribuire modelli.
“Le aziende cercano di incorporare AI e ML per differenziare i loro prodotti e servizi, ma spesso devono affrontare la complessità nella creazione dell’infrastruttura necessaria per costruire e addestrare modelli di AI accurati su larga scala”, ha affermato Justin Hotard, vicepresidente esecutivo e direttore generale di HPC e AI presso Hewlett Packard Enterprise (HPE).
Il problema con l’implementazione di AI e ML in tutta l’azienda
Non c’è dubbio che gli investimenti in AI/ML stiano continuando a crescere e a un ritmo significativo: secondo Tortoise Intelligence , gli investimenti mondiali sono aumentati del 115% dal 2020, segnando la più grande crescita anno su anno in due decenni. Allo stesso modo, Fortune Business Insights stima che le dimensioni del mercato del machine learning aumenteranno da quasi $ 21,2 miliardi nel 2022 a $ 209,91 miliardi nel 2029, un tasso di crescita annuale composto di quasi il 40%.
Ma mentre le organizzazioni danno la priorità all’IA/ML rispetto ad altre iniziative IT, continuano a incorrere in problemi operativi post-implementazione, implementazioni in ritardo e complessità spesso disparate dell’infrastruttura.
In un recente sondaggio condotto da Comet , il 68% degli intervistati ha riferito di aver scartato dal 40% all’80% dei propri esperimenti di IA/ML. Ciò era dovuto in gran parte a budget “terribilmente inadeguati”, guasti e cattiva gestione dei cicli di vita della scienza dei dati al di là dei normali processi iterativi di sperimentazione.
HPE in soccorso
Per semplificare e accelerare questo processo, HPE ha rilasciato oggi un nuovo sistema di sviluppo di Machine Learning. Il sistema pronto per l’uso consente agli utenti di creare e addestrare immediatamente modelli di intelligenza artificiale su larga scala e realizzare un valore più rapido. Si basa sull’acquisizione da parte di HPE nell’estate 2021 di IA determinata. La startup di San Francisco ha creato una piattaforma di formazione AI open source che ora è passata all’ambiente di sviluppo HPE Machine Learning.
“Gli utenti possono accelerare il tipico time-to-value per iniziare a realizzare risultati dalla costruzione e dall’addestramento di modelli di macchine, da settimane e mesi a giorni”, ha affermato Hotard.
Tradizionalmente, ha sottolineato, l’adozione di infrastrutture per supportare lo sviluppo di modelli e la formazione su larga scala ha richiesto un processo complesso e multifase. Ciò comporta l’acquisto, la configurazione e la gestione di un ecosistema e un’infrastruttura software altamente paralleli.
ANNUNCIO
Al contrario, ha affermato, il sistema di sviluppo HPE Machine Learning è completamente integrato e pronto per l’uso, combinando software e informatica specializzata, inclusi acceleratori, networking e servizi. Può ridimensionare l’addestramento del modello AI con riscritture di codice minime o modifiche all’infrastruttura e aiuta a migliorare l’accuratezza del modello con l’addestramento distribuito, l’ottimizzazione automatizzata degli iperparametri e la ricerca dell’architettura neurale, tutti elementi fondamentali per gli algoritmi ML, ha spiegato Hotard.
Il sistema offre elaborazione ottimizzata, elaborazione accelerata e interconnessione, che supportano la modellazione in scala per un mix di carichi di lavoro. La sua piccola configurazione inizia con 32 GPU, che ha dimostrato di offrire circa il 90% di efficienza di ridimensionamento per carichi di lavoro, tra cui la visione artificiale e l’elaborazione del linguaggio naturale (NLP), ha affermato Hotard.
Ad esempio, la startup tedesca di intelligenza artificiale Aleph Alpha ha applicato il nuovo sistema HPE per addestrare l’IA multimodale che include l’elaborazione del linguaggio naturale di grandi dimensioni (NLP) e modelli di visione artificiale. L’azienda è stata in grado di configurare un nuovo sistema combinando e monitorando centinaia di GPU in un paio di giorni e ha iniziato ad allenarsi su di esso in due giorni.
L’azienda ha stabilito l’ottimizzazione degli iperparametri personalizzati ed esegue il monitoraggio degli esperimenti per la collaborazione, ha spiegato Hotard. Gli assistenti dell’IA sono stati in grado di eseguire testi complessi, riepiloghi di comprensione di livello superiore e ricerche di informazioni altamente specifiche in centinaia di documenti. Sono stati anche in grado di sfruttare conoscenze specializzate in contesti conversazionali.
“Combinando l’elaborazione di immagini e testo in cinque lingue con una comprensione del contesto quasi umana, i modelli spingono i confini dell’IA moderna per tutti i tipi di lingua e casi di utilizzo trasformativo basati su immagini”, ha affermato Hotard.
Nel complesso, il sistema di sviluppo dell’apprendimento automatico può migliorare la collaborazione del team di machine learning fornendo un percorso più rapido verso modelli più accurati, ha affermato Hotard, consentendo anche una flessibilità che può aiutare un’infrastruttura AI a prova di futuro. “Combina le nostre collaudate soluzioni HPC end-to-end per il deep learning con la nostra innovativa piattaforma software di machine learning in un unico sistema per fornire una soluzione pronta all’uso e performante per accelerare il time-to-value e i risultati con l’IA”, ha affermato.
