HPE lanza un sistema de desarrollo de ML para ayudar a las empresas a implementar IA a escala


Esperamos presentar Transform 2022 en persona nuevamente el 19 de julio y virtualmente del 20 al 28 de julio. Únase a nosotros para conversaciones perspicaces y emocionantes oportunidades para establecer contactos. ¡Regístrese hoy!


Es un enigma en todo el sector empresarial: el modelado de inteligencia artificial (IA) y aprendizaje automático (ML) ofrece un gran valor comercial para una variedad de casos de uso. Sin embargo, lograr esto requiere una inversión significativa en tiempo y dinero en infraestructura de IA.

Y muchas organizaciones aún no están allí, lo que significa que los ingenieros suelen dedicar la mayor parte de su tiempo a tareas manuales y administración de infraestructura, en lugar de crear, capacitar e implementar modelos.

«Las empresas buscan integrar IA y ML para diferenciar sus productos y servicios, pero a menudo enfrentan la complejidad de construir la infraestructura requerida para construir y entrenar modelos de IA precisos a escala», dijo Justin Hotard, vicepresidente ejecutivo y gerente general de HPC e IA. en Hewlett Packard Enterprise (HPE).

El problema de implementar IA y ML en toda la empresa

No hay duda de que la inversión en AI/ML continúa creciendo, y a un ritmo significativo: según Tortoise Intelligence, la inversión global ha crecido un 115 % desde 2020, el crecimiento anual más rápido en dos décadas. Del mismo modo, Fortune Business Insights estima que el tamaño del mercado de ML crecerá de casi $ 21,2 mil millones en 2022 a $ 209,91 mil millones en 2029, una tasa de crecimiento anual compuesta de casi el 40 %.

Pero a medida que las organizaciones priorizan AI/ML sobre otras iniciativas de TI, continúan encontrando problemas operativos posteriores a la implementación, retrasos en la implementación y, a menudo, complejidades de infraestructura variables.

En una encuesta reciente de Comet, el 68 % de los encuestados dijeron que descartan entre el 40 % y el 80 % de sus experimentos de IA/ML. Esto se debió en gran parte a presupuestos y fallas «lamentablemente inadecuados» y a la mala gestión de los ciclos de vida de la ciencia de datos más allá de los procesos normales de experimentación iterativa.

HPE al rescate

Para simplificar y acelerar este proceso, HPE lanzó hoy un nuevo sistema de desarrollo de aprendizaje automático. El sistema listo para usar permite a los usuarios construir y entrenar instantáneamente modelos de IA a escala y obtener valor más rápido. Se basa en la adquisición de Certaind AI por parte de HPE en el verano de 2021. La startup de San Francisco ha desarrollado una plataforma de formación de IA de código abierto que ahora se ha migrado al entorno de desarrollo de aprendizaje automático de HPE.

«Los usuarios pueden reducir el típico tiempo de generación de valor para comenzar a obtener resultados de la construcción y capacitación de modelos de máquinas, de semanas y meses a días», dijo Hotard.

Señaló que el despliegue de infraestructura para respaldar el desarrollo y la capacitación de modelos a gran escala ha requerido tradicionalmente un proceso complejo de varios pasos. Esto implica comprar, configurar y administrar un ecosistema e infraestructura de software altamente paralelos.

Por el contrario, el sistema de desarrollo de aprendizaje automático de HPE está totalmente integrado y listo para usar, y combina software y computación especializada, incluidos aceleradores, redes y servicios. Puede escalar el entrenamiento del modelo de IA con reescrituras de código o cambios de infraestructura mínimos, y ayuda a mejorar la precisión del modelo con entrenamiento distribuido, optimización automatizada de hiperparámetros y búsqueda de arquitectura neuronal, todo lo cual es clave para los algoritmos de ML, explicó Hotard.

El sistema ofrece cálculos optimizados, cálculos acelerados y conexiones que admiten el modelado a escala para una combinación de cargas de trabajo. Su configuración pequeña comienza en 32 GPU, lo que ha demostrado una eficiencia de escalado de alrededor del 90 % para cargas de trabajo como visión por computadora y procesamiento de lenguaje natural (NLP), dijo Hotard.

Por ejemplo, la startup alemana de IA Aleph Alpha ha aplicado el nuevo sistema HPE para entrenar la IA multimodal, incluido el gran procesamiento del lenguaje natural (NLP) y los modelos de visión por computadora. La empresa pudo configurar un nuevo sistema que combinaba y monitoreaba cientos de GPU en solo unos días y comenzó a entrenar en dos días.

La compañía ha configurado una optimización de hiperparámetros personalizada y está realizando un seguimiento de experimentos para la colaboración, explicó Hotard. Los asistentes de IA pudieron crear texto complejo, comprender resúmenes de alto nivel y buscar información muy específica en cientos de documentos. También pudieron aprovechar el conocimiento especializado en contextos conversacionales.

«Al combinar el procesamiento de imágenes y texto en cinco idiomas con una comprensión del contexto casi humana, los modelos amplían los límites de la IA moderna para todo tipo de casos de uso transformadores basados ​​en voz e imágenes», dijo Hotard.

En general, el sistema de desarrollo de aprendizaje automático puede mejorar la forma en que los equipos de ML trabajan juntos al proporcionar un camino más rápido hacia modelos más precisos, dijo Hotard, al tiempo que permite una flexibilidad que puede contribuir a una infraestructura de IA preparada para el futuro. “Combina nuestras probadas soluciones de HPC de aprendizaje profundo de extremo a extremo con nuestra innovadora plataforma de software de aprendizaje automático en un solo sistema para ofrecer una poderosa solución llave en mano para acelerar el tiempo de valor y los resultados con IA”, dijo.

La misión de VentureBeat está destinado a ser un mercado digital para que los responsables de la toma de decisiones técnicas adquieran conocimientos sobre tecnología empresarial transformadora y realicen transacciones. Obtenga más información sobre la membresía.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *