Intel publie des kits de référence open source pour l'intelligence artificielle

Par:
fredericmazue

mer, 13/07/2022 - 11:35

Intel a publié un ensemble de kits de référence AI open source, spécialement conçus pour rendre l'IA plus accessible aux organisations dans les environnements sur site, dans le cloud et en périphérie. Présentés pour la première fois à Intel Vision, les kits de référence comprennent : le code du modèle d'IA, des instructions de pipeline d'apprentissage automatique de bout en bout, des bibliothèques et des composants Intel oneAPI pour des performances inter-architectures. Ces kits permettent aux data scientists et aux développeurs d'apprendre à déployer l'IA plus rapidement et plus facilement dans les secteurs de la santé, de la fabrication, du détail et d'autres industries, avec une plus grande précision, de meilleures performances et un coût total de mise en œuvre plus faible. 

« L'innovation prospère dans un environnement ouvert et démocratisé. L'écosystème logiciel d'IA ouvert accéléré par Intel, y compris les frameworks populaires optimisés et les outils d'IA d'Intel, repose sur la base d'un modèle de programmation unifié oneAPI ouvert, basé sur des standards. Ces kits de référence, construits avec des composants du portefeuille de logiciels d'IA de bout en bout d'Intel, permettront à des millions de développeurs et de data scientists d'introduire rapidement et facilement l'IA dans leurs applications ou de dynamiser leurs solutions intelligentes existantes. » - Wei Li, Ph.D., vice-président et directeur général d'Intel pour l'IA et l'analytique.

Les charges de travail de l'IA continuent de croître et de se diversifier avec des cas d'utilisation dans la vision, la parole, les systèmes de recommandation et plus encore. Les kits de référence AI d'Intel, élaborés en collaboration avec Accenture, sont conçus pour accélérer l'adoption de l'IA dans tous les secteurs. Il s'agit d'IA open source, pré-construite, avec des contextes d'entreprise significatifs pour l'introduction de l'IA greenfield et les changements stratégiques des solutions d'IA existantes. Quatre kits sont disponibles au téléchargement dès aujourd'hui :

·        Santé des actifs des services publics : La consommation d'énergie ne cessant de croître dans le monde, les actifs de distribution d'électricité sur le terrain devraient augmenter. Ce modèle d'analyse prédictive a été formé pour aider les services publics à offrir une plus grande fiabilité de service. Il utilise XGBoost optimisé par Intel via la bibliothèque Intel oneAPI Data Analytics Library pour modéliser la santé des poteaux électriques avec 34 attributs et plus de 10 millions de points de données.  Les données comprennent l'âge des actifs, les propriétés mécaniques, les données géospatiales, les inspections, le fabricant, l'historique des réparations et de la maintenance, et les enregistrements des pannes. Le modèle de maintenance prédictive des actifs apprend continuellement au fur et à mesure que de nouvelles données sont fournies, comme le nom du fabricant du poteau, les pannes et autres changements d'état.

·        Contrôle visuel de la qualité : Le contrôle de la qualité (CQ) est essentiel dans toute opération de fabrication. Le problème des techniques de vision par ordinateur est qu'elles nécessitent souvent une puissance de calcul graphique importante pendant l'apprentissage et un réapprentissage fréquent lorsque de nouveaux produits sont introduits. Le modèle AI Visual QC a été formé à l'aide d'Intel AI Analytics Toolkit, y compris Intel Optimization for PyTorch et Intel Distribution of OpenVINO toolkit, tous deux alimentés par oneAPI, afin d'optimiser la formation et l'inférence pour qu'elles soient respectivement 20 % et 55 % plus rapides, par rapport à l'implémentation de base du kit de contrôle de la qualité visuelle d'Accenture sans les optimisations Intel pour les charges de travail de vision par ordinateur sur les CPU, GPU et autres architectures basées sur des accélérateurs. En utilisant la vision par ordinateur et la classification SqueezeNet, le modèle AI Visual QC a utilisé le réglage et l'optimisation des hyperparamètres pour détecter les défauts des pilules pharmaceutiques avec une précision de 95 %.

·        Chatbot client : Les chatbots conversationnels sont devenus un service essentiel pour soutenir les initiatives à travers l'entreprise. Les modèles d'IA qui prennent en charge les interactions des chatbots conversationnels sont massifs et très complexes. Ce kit de référence comprend des modèles de traitement du langage naturel par apprentissage profond pour la classification des intentions et la reconnaissance des entités nommées à l'aide de BERT et PyTorch. Intel Extension for PyTorch et Intel Distribution of OpenVINOtoolkit optimisent le modèle pour de meilleures performances (inférence 45 % plus rapide par rapport à l'implémentation de base du kit chatbot du client Accenture sans les optimisations Intel) sur des architectures hétérogènes, et permettent aux développeurs de réutiliser le code de développement du modèle avec des modifications minimales du code pour la formation et l'inférence.

·        Indexation intelligente des documents : Les entreprises traitent et analysent des millions de documents chaque année, et bon nombre de ces documents semi-structurés et non structurés sont acheminés manuellement. L'IA peut automatiser le traitement et la catégorisation de ces documents pour un acheminement plus rapide et une réduction des coûts du travail manuel. Utilisant un modèle de classification par vecteurs de support (SVC), ce kit a été optimisé avec Intel Distribution of Modin et Intel Extension for Scikit-learnpowered by oneAPI. Ces outils améliorent les temps de prétraitement des données, d'apprentissage et d'inférence pour les rendre respectivement 46 %, 96 % et 60 % plus rapides que l'implémentation en stock du kit d'indexation de documents Accenture Intelligent sans les optimisations Intel pour l'examen et le tri des documents avec une précision de 65 %.

Les développeurs cherchent à intégrer l'IA dans leurs solutions et les kits de référence contribuent à cet objectif. Ces kits s'appuient sur le portefeuille de logiciels d'IA d'Intel, qui comprend des outils de bout en bout et des optimisations de frameworks, et le complètent. Construits sur la base du modèle de programmation ouvert, standard et hétérogène oneAPI, qui offre des performances sur de nombreux types d'architectures, ces outils aident les scientifiques à former des modèles plus rapidement et à moindre coût en surmontant les limites des environnements propriétaires.

Prochaines étapes : Au cours de l'année prochaine, Intel publiera une série de kits de référence AI open source supplémentaires avec des modèles d'apprentissage automatique et d'apprentissage profond formés pour aider les organisations de toutes tailles dans leur parcours de transformation numérique.