Deux géants américains Google et Nvidia sont en tête de leur programme de formation en intelligence artificielle. C'est du moins l'avis de ML Commons, un consortium industriel qui supervise le populaire test de performance d'apprentissage automatique MLPerf.
Les derniers résultats de ce test sont le moment le plus efficace pour Google de former des réseaux de neurones spécialisés à la reconnaissance d'images, à la détection d'objets, aux tests d'images grandes et petites et au traitement du langage naturel BERT. Indique qu'il s'agit d'une entreprise. ..
Nvidia effectue la segmentation d'images, la reconnaissance vocale, les systèmes recommandés et la résolution de tâches d'apprentissage par renforcement du jeu Go avec des ensembles de données "mini Go". Les tests de référence déployés dans le cadre de MLPerf prennent en compte les fractions nécessaires à un programme informatique pour ajuster ses paramètres neuronaux afin d'atteindre la précision minimale requise pour une tâche particulière. Il s'agit d'un processus communément appelé "apprentissage" des réseaux de neurones.
Publicité
La loi de Moore est-elle obsolète ?
Google et Nvidia ne sont pas les seuls à faire de nets progrès dans ce domaine du machine learning et de l'intelligence artificielle. Pour tous les fournisseurs, une approche logicielle plus solide et plus intelligente a considérablement amélioré le temps de formation.
Pour David Kanter, directeur exécutif de ML Commons, la dernière version de MLPerf résulte de la loi de Moore pour les performances d'entraînement (la règle traditionnelle consistant à doubler le nombre de transistors dans une puce pour chaque 18). Elle montre également qu'elle s'est améliorée plus rapidement. . Améliorez les performances de votre ordinateur jusqu'à 24 mois.
Les vénérables scores de tâche ImageNet, où les réseaux de neurones sont formés pour attribuer des étiquettes de classification à des millions d'images, sont aujourd'hui 9 à 10 fois plus rapides que de simples améliorations de puces. "Nous sommes bien meilleurs que la loi de Moore", se réjouit la loi de Moore. "En supposant que le transistor est lié de manière linéaire aux performances, nous pouvons nous attendre à obtenir environ 3,5 fois les performances. En fait, nous obtenons 10 fois les performances de la loi de Moore."
Source :ZDNet.com
