A Intel anunciou o lançamento do primeiro conjunto de kits de referência de Inteligência Artificial (IA) de código aberto projetados especificamente para tornar a IA mais acessível para organizações em ambientes locais, na Nuvem e na Borda. Apresentados pela primeira vez na Intel Vision, os kits de referência incluem código de modelo de IA, instruções de pipeline de Machine Learning (ML) de ponta a ponta, bibliotecas e componentes Intel oneAPI para desempenho entre arquiteturas. Esses kits permitem que cientistas de dados e desenvolvedores aprendam a implementar IA de maneira mais rápida e fácil nos setores de saúde, manufatura, varejo e outros com maior precisão, melhor desempenho e menor custo total de implementação.
“A inovação prospera em um ambiente aberto e democratizado. O ecossistema de software de IA aberto acelerado da Intel, incluindo estruturas populares otimizadas e as ferramentas de IA da Intel, são construídas com base em um modelo de programação unificado de uma API aberto, baseado em padrões”, disse Wei Li, vice-presidente e gerente-geral de IA e Analytics na Intel. “Esses kits de referência, construídos com componentes do portfólio de software de IA de ponta a ponta da Intel, permitirão que milhões de desenvolvedores e cientistas de dados introduzam IA de maneira rápida e fácil em seus aplicativos ou impulsionem suas soluções inteligentes existentes”, garantiu.
As cargas de trabalho de IA continuam crescendo e se diversificando com casos de uso em visão, fala, sistemas de recomendação e muito mais. Os kits de referência de IA da Intel, criados em colaboração com a Accenture, são projetados para acelerar a adoção da IA em todos os setores. Eles são IA pré-construída de código aberto com contextos empresariais significativos para introdução de IA greenfield e mudanças estratégicas nas soluções de IA existentes.
Quatro kits estão disponíveis para download hoje:
Ativos de serviços públicos: à medida que o consumo de energia continua a crescer em todo o mundo, espera-se que os ativos de distribuição de energia em campo cresçam. Esse modelo de análise preditiva foi treinado para ajudar as concessionárias a oferecer maior confiabilidade de serviço. Ele usa o XGBoost otimizado para Intel por meio da biblioteca de análise de dados Intel oneAPI para modelar a integridade de postes com 34 atributos e mais de 10 milhões de pontos de dados. Os dados incluem idade do ativo, propriedades mecânicas, dados geoespaciais, inspeções, fabricante, histórico anterior de reparo e manutenção e registros de interrupção. O modelo de manutenção preditiva de ativos aprende continuamente à medida que novos dados, como novo fabricante de postes, interrupções e outras mudanças nas condições, são fornecidos.
Controle de qualidade visual: o controle de qualidade (QC) é essencial em qualquer operação de fabricação. O desafio com as técnicas de visão computacional é que muitas vezes exigem grande poder de computação gráfica durante o treinamento e retreinamento frequente à medida que novos produtos são lançados. O modelo AI Visual QC foi treinado usando o Intel AI Analytics Toolkit , incluindo o Intel Optimization for PyTorch e o Intel Distribution of OpenVINO toolkit, ambos com tecnologia oneAPI para otimizar o treinamento e a inferência para serem 20% e 55% mais rápidos, respectivamente, em comparação para a implementação de estoque do kit de controle de qualidade visual da Accenture sem otimizações da Intel para cargas de trabalho de visão computacional em CPU, GPU e outras arquiteturas baseadas em acelerador. Usando visão computacional e classificação SqueezeNet, o modelo AI Visual QC usou ajuste e otimização de hiperparâmetros para detectar defeitos de pílulas farmacêuticas com 95% de precisão.
Chatbot do cliente: os chatbots de conversação tornaram-se um serviço crítico para apoiar iniciativas em toda a empresa. Os modelos de IA que suportam interações de chatbot conversacionais são enormes e altamente complexos. Este kit de referência inclui modelos de processamento de linguagem natural de aprendizado profundo para classificação de intenção e reconhecimento de entidade nomeada usando BERT e PyTorch. Intel Extension for PyTorch e Intel Distribution of OpenVINO toolkit otimizam o modelo para melhor desempenho – inferência 45% mais rápida em comparação com a implementação de estoque do kit de chatbot do cliente Accenture sem otimizações Intel – em arquiteturas heterogêneas e permite que os desenvolvedores reutilizem o código de desenvolvimento do modelo com alterações mínimas de código para treinamento e inferência.
Indexação inteligente de documentos: as empresas processam e analisam milhões de documentos todos os anos, e muitos dos documentos semiestruturados e não estruturados são encaminhados manualmente. A IA pode automatizar o processamento e a categorização desses documentos para roteamento mais rápido e custos de mão de obra mais baixos. Usando um modelo de classificação de vetor de suporte (SVC), este kit foi otimizado com o Intel Distribution of Modin e Intel Extension for Scikit-learn com tecnologia oneAPI. Essas ferramentas melhoram os tempos de pré-processamento, treinamento e inferência de dados para serem 46%, 96% e 60% mais rápidos, respectivamente, em comparação com a implementação de estoque do kit de indexação de documentos Inteligente da Accenture sem otimizações da Intel para revisar e classificar os documentos com 65% de precisão .
Segundo a Intel, os desenvolvedores estão procurando infundir IA em suas soluções e os kits de referência contribuem para esse objetivo. Esses kits se baseiam e complementam o portfólio de software de IA da Intel de ferramentas de ponta a ponta e otimizações de estrutura. Construídas com base no modelo de programação heterogêneo, aberto e baseado em padrões oneAPI, que oferece desempenho em vários tipos de arquiteturas, essas ferramentas ajudam os cientistas de dados a treinar modelos mais rapidamente e com menor custo, superando as limitações de ambientes proprietários.
No próximo ano, a Intel lançará uma série de kits de referência de IA de código aberto adicionais com modelos treinados de Machine Learning e Deep Learning para ajudar organizações de todos os tamanhos em sua jornada de Transformação Digital.
Serviço
www.intel.com
Leia nesta edição:
CAPA | TECNOLOGIA
Centros de Dados privados ainda geram bons negócios
TENDÊNCIA
Processadores ganham centralidade com IA
TIC APLICADA
Digitalização do canteiro de obras
Esta você só vai ler na versão digital
TECNOLOGIA
A tecnologia RFID está madura, mas há espaço para crescimento
Baixe o nosso aplicativo