L’avenir de l’IA est distribué… ce que cela signifie

Nous sommes ravis de ramener Transform 2022 en personne le 19 juillet et virtuellement du 20 au 28 juillet. Rejoignez les leaders de l’IA et des données pour des discussions approfondies et des opportunités de réseautage passionnantes. Inscrivez-vous aujourd’hui!


Intelligence artificielle (IA) et l’apprentissage automatique (ML) perturbent tous les secteurs. Leurs impacts et leurs intégrations ne feront que croître.

Et finalement, l’avenir de l’IA est dans l’informatique distribuée, Ion Stoica, cofondateur, président exécutif et président de N’importe quelle échellea déclaré au public cette semaine à VenureBeat’s Conférence Transformer 2022.

L’informatique distribuée permet aux composants des systèmes logiciels d’être partagés entre plusieurs ordinateurs et exécutés comme un seul système, améliorant ainsi l’efficacité et les performances.

Mais alors que l’informatique distribuée est nécessaire, écrire des applications distribuées est difficile, “c’est encore plus difficile qu’avant”, a déclaré Stoica.

En particulier, l’informatique distribuée impliquée dans l’IA et le ML présente de nombreux défis – les systèmes distribués varient considérablement dans leur difficulté de mise en œuvre, et les ingénieurs doivent tester tous les aspects de la défaillance du réseau et des appareils, ainsi que différentes permutations de pannes et de bogues.

Cela a donné l’occasion à des entreprises comme N’importe quelle échellequi offre un ensemble d’outils permettant aux développeurs de créer, déployer et gérer des applications distribuées.

La société a été fondée par les créateurs de Ray, le framework open source d’IA distribuée qui simplifie la mise à l’échelle des charges de travail d’IA nuage. Ray permet aux utilisateurs de transformer du code Python exécuté de manière séquentielle en une application distribuée avec des modifications de code minimales.

Sans serveur et indépendant du cloud

L’option Anyscale est sans serveur, indépendant du cloud et prenant en charge les calculs sans état et avec état. L’outil fait abstraction des serveurs et des clusters et fournit une mise à l’échelle automatique.

Comme l’a noté Stoica, selon l’ensemble de données, les besoins de calcul pour former des modèles de pointe continuent de croître par ordre de grandeur. Par exemple, le Pathways Language Model (PaLM) de Google – un modèle unique qui se généralise à travers les domaines et les tâches avec une grande efficacité – compte 530 milliards de paramètres. Et certains des plus grands transporteurs ont plus de 1 000 milliards de paramètres.

Il existe un énorme fossé entre les exigences des applications ML et les capacités d’un seul processeur ou serveur. De même, Stoica a souligné que, lors du développement et de la sortie d’Apache Spark en 2014, toutes les machines étaient considérées comme homogènes. Mais cette hypothèse ne peut plus être faite, car le paysage actuel implique de nombreux accélérateurs matériels différents.

“Il n’y a pas d’autre moyen de prendre en charge ces charges de travail sans distribution – c’est aussi simple que cela”, a déclaré Stoica.

La création d’une application ML comporte plusieurs étapes, telles que l’étiquetage, la formation spécifique aux données, le réglage, la formation de renforcement. “Chacune de ces étapes dont vous avez besoin pour évoluer, chacune d’entre elles, vous avez généralement un système distribué différent”, a déclaré Stoica.

Construire des pipelines de bout en bout nécessite d’assembler ces systèmes, puis de les re-gérer, de les re-développer – finalement ce qu’il a décrit comme un processus long et laborieux.

“Notre mission consiste à faciliter l’informatique distribuée, à faire évoluer ces charges de travail plus facilement”, a-t-il déclaré à propos d’Anyscale et de Ray.

IA et ML : jeu sur

Parce que l’IA et le ML ont une si grande portée, les cas d’utilisation de Ray sont “partout”. L’outil a été utilisé dans l’industrie financière, la vente au détail, la fabrication – même dans des applications pour la Coupe de l’America lorsqu’il s’agit de former des membres d’équipage.

Un autre exemple est l’utilisation dans les tests de jeux. “Dans les jeux en ligne et les jeux en ligne, vous n’avez pas assez d’humains dans une pièce ou une zone particulière du jeu avec lesquels interagir”, a déclaré Stoica.

Abordant le concept de « ramper, marcher ou courir », Stoica a décrit l’IA comme étant essentiellement là où se trouvaient les mégadonnées il y a 10 ans. Il faut du temps pour mûrir, a-t-il soutenu, car il ne s’agit pas seulement de développer des outils, mais de former des experts.

Il y a à peine une demi-douzaine d’années, par exemple, les collèges et les universités ont commencé à délivrer des diplômes en science des données, a-t-il souligné. Maintenant, plus de cours d’IA sont offerts, et de plus en plus de cours d’IA appliquée vont émerger, a-t-il prédit.

Pour utiliser une analogie avec le baseball, “nous sommes vraiment dans la première manche”, a déclaré Stoica.



#Lavenir #lIA #est #distribué #cela #signifie

Leave a Comment

Your email address will not be published.