İki Amerikan devi Google ve Nvidia, yapay zeka eğitim programlarının zirvesinde zirvede. En azından bu, popüler bir makine öğrenimi performans testi olan MLPerf’i denetleyen endüstri konsorsiyumu MLCommons’ın görüşü.
Bu testin en son sonuçları, Google’ın görüntü tanıma, nesne algılama, küçük ve büyük görüntülerin test edilmesi ve BERT doğal dilinin işlenmesi konularında uzmanlaşmış sinir ağlarını eğitme konusunda zaman açısından en iyi performans gösteren şirket olduğunu ortaya koyuyor.
Nvidia, kendi adına, Go oyununun “mini Go” veri setinde görüntü bölümlendirme, ses tanıma, öneri sistemleri ve takviyeli öğrenme görevinin çözünürlüğü ile ilgili olarak gerçekleştirir. MLPerf’in bir parçası olarak dağıtılan kıyaslama testleri, bilgisayar programı belirli bir görev için gereken minimum kesinliğe ulaşana kadar sinir parametrelerini ayarlamak için geçen dakika sayısını dikkate alır – genellikle bir sinir ağının “eğitilmesi” olarak adlandırılan bir süreçte.
Moore Yasası eski mi?
Google ve Nvidia, makine öğrenimi ve yapay zeka alanında bu alanda net ilerleme gösteren tek oyuncular değil. Tüm satıcılarda, daha fazla güç ve daha akıllı yazılım yaklaşımları nedeniyle eğitim süreleri önemli ölçüde iyileşti.
MLCommons’ın yönetici direktörü David Kanter’e göre, MLPerf’in son baskısının sonuçları, eğitim performansının Moore Yasası’ndan daha hızlı arttığını gösteriyor.
Bir sinir ağının milyonlarca görüntüye bir sınıflandırma etiketi atamak üzere eğitildiği saygıdeğer ImageNet görevinden alınan puanlar, bugün basit çip geliştirmelerinin gerektirdiğinden 9 ila 10 kat daha hızlı, diyor David Kanter bu konuda. İkincisi, “Moore yasasından çok daha iyisini yaptık” diye sevinir. “Transistörlerin performansla doğrusal bir ilişkisi olduğunu varsayarsak, yaklaşık üç buçuk kat daha iyi performans elde etmeyi beklersiniz; aslında Moore Yasası’nın 10 katı elde ederiz.”
Kaynak : ZDNet.com
