あらゆる場所でのAI実現へ: 人工知能分野におけるインテルの躍進

あらゆる場所でのAI実現へ: 人工知能分野におけるインテルの躍進

[51CTO.comからのオリジナル記事]クラウドコンピューティング、ビッグデータ、5G、モノのインターネット技術の普及に伴い、人工知能も加速的に発展しています。顔認識、ビデオ監視、工業品質検査、リモートメンテナンスなどのAIの応用シナリオも一般の人々にとって馴染み深いものとなっています。しかし、実際には、AIの開発は決して順調ではなく、その実装への道は常に困難に満ちています。

まず、大量のデータからより効率的なデータセットを構築し、より短時間でより良いトレーニング結果を達成する方法が大きな課題です。次に、人工知能技術自体の有効化属性により、ビジネスシナリオと深く統合できるため、シナリオに基づいてAIモデルの構築を加速する方法が鍵となります。3つ目に、モデルが大きいほど精度が高くなる可能性がありますが、大規模なモデルではハードウェアの計算能力に対する技術要件も高くなることがよくあります。ソフトウェアとハ​​ードウェアの調整された最適化を通じてAIの展開を加速する方法も、AIの大規模実装に影響を与える鍵となります。

人工知能アプリケーション開発のプロセス全体が、「データ、アルゴリズム、計算能力」という 3 つの要素を中心に密接に結びついていると言えることは、容易に理解できます。データ処理、モデリング、トレーニング、展開など、それぞれの特定のステップの詳細を最適化することによってのみ、ボトルネックを真に打破し、AI の実装を加速することができます。もちろん、これらすべては、基盤となるテクノロジーサプライヤーのサポートと切り離せません。

先日開催されたIntel On Technology Innovation Summitにおいて、Intelは一連の革新的なリリースに基づいて「AI Everywhere」のビジョンを一般に向けて描きました。インテルは開発者エコシステム、ツール、テクノロジー、オープンプラットフォームに多大な投資を行っており、人工知能の普及への道を切り開いています。

​​​

データインフラストラクチャの最適化と革新

データは人工知能の基礎です。データをより短時間で洞察に変換できれば、人工知能の開発がより効率的になることは間違いありません。

インテルはすでにデータインフラ構築の計画を立てている。オープンソース開発プラットフォーム BigDL は、Apache Spark を使用して Spark 実稼働環境のエンドツーエンドの分散型ビッグデータおよび人工知能パイプラインを簡素化し、ユーザーがシームレスにデータを拡張、前処理し、Tensorflow または PyTorch でモデル化できるようにすることで、ソリューションの構築時間を短縮し、推奨システム、時系列分析、プライバシー、保護された機械学習などの業界固有のアプリケーション用のデータ パイプラインを提供します。 BigDL は、Mastercard、Burger King、SK Telecom などのメーカーの生産環境で使用されており、その適用規模は現在も拡大し続けています。

データ前処理に関しては、Intel は関連ツールを最適化しました。オープンソースライブラリ Modin は Pandas アプリケーションを最大 20 倍高速化でき、Jupyter Notebook を通じて PC からクラウドまでほぼ無制限に拡張できます。人気の Python 数学ライブラリ NumPy および SciPy についても、Intel はターゲットを絞った最適化を行っており、oneMKL などの oneAPI コア ビルディング ブロックを使用して、線形代数、高速フーリエ変換乱数ジェネレーター、要素ごとの関数の速度を最大 100 倍向上させています。

コンピューティングパワーの高速化: ハードウェアプラットフォームにとってのベストな組み合わせ

アプリケーションの複雑さが増すにつれ、CPU コアを単純に積み重ねるだけでは、パフォーマンス、消費電力、コストに関するアプリケーション要件を満たすことができなくなります。 CPU 以外のコンピューティング ユニットがますます使用されるようになってきています。老舗チップメーカーであるインテルは、近年のAIハードウェア分野への投資で「一石二鳥」の成果を上げている。

ハードウェア プラットフォームの構築に関しては、Intel は CPU から GPU、FPGA、ディープラーニング専用アクセラレータまで、さまざまな種類の AI ニーズに適した完全な XPU プラットフォームを作成しました。

最近の世代の製品では、Intel は各 CPU コアに AI アクセラレーション機能を組み込み、独立したアクセラレータなしで一般ユーザーのニーズを満たすことができるようになりました。注目すべきは、このカンファレンスでインテルが、2022年までにインテル Xeon スケーラブル・プロセッサーの人工知能性能を 30 倍に高めることを目標としていると発表したことです。次世代の Intel Xeon スケーラブル プロセッサー (コード名「Sapphire Rapids」) では、組み込みの Advanced Matrix Extension (AMX) エンジン、Intel® Neural Compressor (INC)、および oneAPI オープン業界標準に基づく oneDNN 最適化を使用して、コンピューティング パフォーマンスをさらに向上させると報告されています。

AIアクセラレーションを内蔵した汎用CPUに加え、IntelはGPUプラットフォーム構築においても優れたパフォーマンスを発揮しています。 Ponte Vecchio には、AI、HPC、高度な分析ワークロードをロードできます。新しいマイクロアーキテクチャはスケーラビリティを考慮して構築されており、複数の内部および外部プロセス技術と高度なパッケージング技術を組み合わせて製品をカスタマイズします。

さらに、業界ではディープラーニング トレーニングの需要が高まっており、精度向上のためディープラーニング トレーニング モデルはますます大規模になっています。これらのモデルのトレーニングにより、コンピューティングの消費量と関連コストが急激に増加しており、市場ではディープラーニング トレーニング専用のプロセッサがますます求められています。このような背景から、Intel は Habana Gaudi プロセッサを発売しました。画家にちなんで名付けられたこのプロセッサは、クラウドやデータセンターでのディープラーニングのトレーニングをより効率的に行うことができる。情報によると、Gaudi アクセラレータは Amazon EC2 トレーニングインスタンスの効率を向上させ、現在の GPU ベースのインスタンスに比べてパフォーマンスが最大 40% 向上します。

開発者にとって朗報:クロスアーキテクチャプログラミングの可能性

ハードウェア システムがさらに完成し、GPU、FPGA、さまざまなアプリケーション向けに開発されたさまざまな専用チップが CPU とともに複雑な異種プラットフォームを形成するようになると、新たな問題が発生します。

一般的に言えば、このような異種プラットフォームのパフォーマンスを最大限に引き出すには、開発者は、各異種ユニットの利点を具体的に活用できるように、基盤となるハードウェア アーキテクチャを深く理解する必要があります。しかし、実際には、一般的なソフトウェアエンジニアやアルゴリズムエンジニアの中には、こうしたハードウェア関連の開発知識を理解し、使いこなせる人はほとんどいないことが多いのです。

これを解決するために、Intel は oneAPI ツールキットをリリースしました。 oneAPI は 2018 年末に開催された Intel Architecture Day で発表され、Intel のエコシステム レイアウトにおけるその位置は明らかです。

oneAPI は統合ソフトウェア プログラミング インターフェイスを提供するため、アプリケーション開発者は基盤となる実装の詳細をあまり気にすることなく、アルゴリズムとアプリケーションの開発に集中できます。 oneAPI には、プログラミング インターフェイスに加えて、完全な開発環境、ソフトウェア ライブラリ、ドライバー、デバッグ ツールなどの要素も含まれており、これらのアクセラレーション ライブラリは基盤となるハードウェアに合わせて最適化されています。 Neural Compressor を例に挙げてみましょう。オープンソースの Python ライブラリとして、CPU と GPU 向けの複数の Intel 最適化ディープラーニング フレームワークにわたってモデルを自動的に圧縮し、最適化時間を 1 桁短縮できます。

開発者にとって、oneAPI は、パフォーマンスを犠牲にすることなくアーキテクチャを自由に選択できるユニバーサルでオープンなプログラミング エクスペリエンスを提供すると同時に、さまざまなコード ライブラリ、プログラミング言語、プログラミング ツール、ワークフローを使用する複雑さを大幅に軽減します。

OpenVINO進化

人工知能の分野では、ハードウェアとソフトウェアの両方のエコシステムを提供することによってのみ、激しい競争の中で地位を確立することができます。プロセッサのパフォーマンスを最大限に引き出すために、さまざまなメーカーがさまざまなソフトウェア フレームワークとツールをリリースしています。 OpenVINO は、アプリケーションとソリューションを迅速に導入するための Intel の包括的なツール スイートです。

通常、人工知能アプリケーションの開発では、モデルのトレーニングが完了してオンラインで展開されると、モデルのパフォーマンスがオンライン要件を満たしているかどうかなど、さまざまな問題が発生します。モデルを元のエンジニアリング システムに組み込むにはどうすればよいでしょうか?これらの質問によって投資収益率が大きく決まります。ディープラーニング フレームワークを深く正確に理解することによってのみ、オンライン化の要件をより適切に満たすことができます。残念ながら、新しいアルゴリズム モデルとフレームワークが次々と登場しており、開発者が常にそれらに対応することを要求するのは困難です。

OpenVINO は、この問題点をターゲットにしています。パイプライン ツールセットとして、OpenVINO はさまざまなオープン ソース フレームワークによってトレーニングされたモデルと互換性があり、アルゴリズム モデルのオンライン展開のためのさまざまな機能を備えています。つまり、このツールをマスターすれば、事前トレーニング済みのモデルを Intel の CPU に簡単かつ迅速に展開できるようになります。

過去 3 年間、OpenVINO は継続的に改善されてきました。 OpenVINO2022.1のバージョン2.0は第1四半期にリリースされる予定です。このバージョンには 3 つの大きな進歩があります。

まず、モデル変換にさらに多くのデフォルト値を組み込み、API 内の元のアーキテクチャ内でモデル入力レイアウトと精度を保持してコード変更を削減するなど、開発者にとって問題となっていた問題に対処するための重要なアップグレードを行いました。

2 つ目は、OpenVINO のコンピューター ビジョンにおけるパフォーマンスが根本的に向上し、エッジからクラウドまで、特に自然言語処理とテキスト分類の幅広いモデルをサポートできるようになりました。

3 つ目は、新しい自動ハードウェア ターゲット最適化機能が追加されました。新しい自動プラグインは、システム アクセラレータを自動的に検出し、推論モデルの要件と一致させることができるため、レイテンシとスループットが大幅に最適化されます。

結論

今年のインテル・オン・テクノロジー・イノベーション・サミットで、インテルは人工知能分野に対する明確な姿勢を示しました。それは、少数のハードウェア製品を強化するのではなく、AI市場向けにハードウェアからソフトウェアまでフルスタックのソリューションを提供するというものです。 Intel は、さまざまなユーザーのニーズを満たすために複数の AI アーキテクチャに投資しており、オープンで標準ベースのプログラミング モデルを使用して、開発者がより多くのユース ケースでより多くの AI ワークロードを簡単に実行できるようにしています。

人工知能の分野でも、インテルは業界の他の競合他社のベンチマークを設定しました。独自のハードウェア開発能力に基づき、人気のライブラリとフレームワークをインテル Xeon スケーラブル プロセッサー上で広範囲に最適化することで、開発者が AI にアクセスして拡張しやすくしました。 Intel は、パートナーと協力し、開発者を受け入れて AI イノベーション エコシステムを構築し、「AI Everywhere」のビジョンを実現することに尽力しています。果てしない遠くに、手の届く未来がある。

Intel On Technology Innovation Summitの詳細については、ここをクリックしてください​​

[[432914]]

[51CTO オリジナル記事、パートナーサイトに転載する場合は、元の著者とソースを 51CTO.com として明記してください]


<<:  科学者たちは、より信頼性の高い予測を達成するために人工知能が「近道」をすることを避ける方法を研究している。

>>:  AIがフィンテックを変える4つの方法

ブログ    
ブログ    
ブログ    

推薦する

PythonコードからAPPまで、必要なのは小さなツールだけ:GitHubには3,000以上のスターがある

機械学習開発者にとってアプリを構築するのはどれくらい難しいのでしょうか?実際、Python コードを...

Pythonがリードを拡大、PyTorchはわずか6.4%

最近、有名なデータサイエンスのウェブサイト KDnuggets が、2018 年のデータサイエンスお...

テクノロジー統合によるバーチャルキャラクターの創造と実践

著者 | 崔昊レビュー | Chonglouまとめこの記事では、パーソナライズされた仮想キャラクター...

IoT、AI、デジタルツインをどのように統合するのか?

デジタル ツインは、物理世界とデジタル世界をつなぐため、常に興味深いものです。将来的には、すべてのも...

テスラ、マイクロソフト、グーグル、アップルなどを含む1,000件以上の「AIロールオーバー」事件が発生しています。

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式...

1時間から3.5分まで、Metaの新しいアルゴリズムは携帯電話で3D顔データを収集できる

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

人工知能によるデータ管理の変革

企業は人工知能 (AI) を適用する新しい方法を見つけています。 AI プロジェクトの主な障害の 1...

...

過去10年間のGoogleアルゴリズムの変化

Google のアルゴリズムは毎年 500 ~ 600 回も変更されますが、その多くは小さな変更です...

...

MIT、筋肉信号を使ってドローンを制御するシステムを開発

MITの研究者たちは、人間とロボットのシームレスなコラボレーションに近づく可能性のある新しいシステム...

NeRFは過去のものになるのか?立体復元は3D GSの新時代へ! (復旦大学からの最新レビュー)

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...