Intel lança kits de referência de IA de código aberto

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