NNAISENSE annuncia il rilascio di EvoTorch, una rara libreria di algoritmi evolutivi open source
La promessa degli algoritmi evolutivi è in circolazione da diversi anni, offrendo alle organizzazioni la prospettiva sfuggente di un approccio avanzato di autoapprendimento per l’intelligenza artificiale (AI).
Una sfida chiave, tuttavia, è stata che poche tecnologie di algoritmi evolutivi erano disponibili con una licenza open source. Oggi le cose stanno cambiando: il fornitore di intelligenza artificiale con sede in Svizzera NNAISENSE ha annunciato il rilascio formale della sua libreria di algoritmi evolutivi open source EvoTorch. L’azienda ha sviluppato la sua tecnologia concentrandosi sull’IA industriale per aiutare con l’automazione e l’ottimizzazione dei processi.
Presentation Why operationalizing data mesh is critical for operating in the cloud (2)
“Il Santo Graal dell’automazione industriale, da sempre, consiste nel rendere i processi più efficienti”, ha detto a VentureBeat Jonathan Masci, cofondatore e direttore del deep learning di NNAISENSE. “Il calcolo evolutivo è fondamentalmente un modo per fare apprendimento per rinforzo .”
EvoTorch è costruito su PyTorch
EvoTorch si basa sulla libreria open source di machine learning PyTorch .
Timothy Atkinson, ricercatore presso NNAISENSE, ha spiegato che EvoTorch ha diversi componenti, tra cui una raccolta di algoritmi evolutivi e capacità di registrazione in modo che un data scientist possa tenere traccia degli esperimenti di apprendimento automatico in tempo reale.
“L’idea principale è che puoi prendere tutto ciò che hai costruito in PyTorch e ottimizzarlo immediatamente con EvoTorch”, ha affermato Atkinson.
NNAISENSE ha anche integrato EvoTorch con il framework Ray open source utilizzato per ridimensionare le applicazioni Python e AI. Atkinson ha affermato che se un data scientist crea un problema come una funzione PyTorch per ottimizzare su EvoTorch, è possibile scalare a migliaia di CPU e centinaia di GPU.
“Abbiamo costruito EvoTorch in un modo molto ragionevole sulla libreria Ray, il che significa che può scalare quanto ti puoi permettere”, ha affermato Atkinson.
L’intersezione di algoritmi evolutivi e apprendimento per rinforzo
Un algoritmo evolutivo può servire a qualsiasi numero di scopi diversi, uno dei quali è quello di aiutare con un modello di apprendimento continuo. A tale riguardo, gli algoritmi evolutivi possono essere considerati simili al concetto di apprendimento per rinforzo, sebbene Atkinson abbia sottolineato che ci sono alcune differenze chiave.
Atkinson ha spiegato che con l’apprendimento per rinforzo, gli algoritmi cercano nello spazio delle azioni intraprese dall’IA e quindi cercano di utilizzare ciò che è stato trovato nelle azioni, per aiutare a creare miglioramenti in futuro.
Un algoritmo evolutivo cambia dove avviene l’apprendimento, effettuando ricerche su singole reti e quindi propagando i cambiamenti nella rete. Ha anche notato che gli algoritmi evolutivi vanno oltre il semplice apprendimento e possono essere utilizzati per l’ottimizzazione industriale e i controlli di processo.
“In entrambi i casi di apprendimento per rinforzo e algoritmo evolutivo, è possibile utilizzare un modello che è stato preaddestrato come base per l’apprendimento di un buon comportamento”, ha affermato Atkinson.
L’altra differenza fondamentale per NNAISENSE con EvoTorch è l’obiettivo di aiutare a consentire l’evoluzione neurale. Atkinson ha spiegato che l’evoluzione neurale è l’idea che puoi prendere una rete neurale e ottimizzarla attraverso un algoritmo evolutivo per risolvere un problema.
Perché l’open source è importante
NNAISENSE ha creato EvoTorch da solo per l’uso all’interno della sua piattaforma. Ci sono diversi motivi per cui l’azienda ha scelto di utilizzare la tecnologia open source.
Atkinson ha osservato che se NNAISENSE mantenesse EvoTorch come progetto closed-source, sarebbe utilizzato solo dalla sua azienda e la più ampia comunità di intelligenza artificiale non sarebbe in grado di beneficiare o contribuire al progetto.
“C’è una vera simbiosi quando una biblioteca è open source perché significa che le persone possono costruire la loro ricerca direttamente sulla nostra biblioteca”, ha detto Atkinson. “Quando costruiscono la loro ricerca sulla nostra biblioteca, e poi vengono da noi e suggeriscono che vorrebbero che la loro ricerca fosse aggiunta alla biblioteca, questo sta migliorando gli strumenti che abbiamo a disposizione per i nostri progetti”.
