تعمل البنية التحتية للتعلم الآلي عالية الأداء ومنخفضة التكلفة على تسريع الابتكار في السحابة

مقدمة من خدمات أمازون ويب



يعد الذكاء الاصطناعي والتعلم الآلي (AI و ML) من التقنيات الرئيسية التي تساعد المؤسسات على تطوير طرق جديدة لزيادة المبيعات وتقليل التكاليف وتبسيط العمليات التجارية وفهم عملائها بشكل أفضل. تساعد AWS العملاء على تسريع تبني الذكاء الاصطناعي / التعلم الآلي من خلال تقديم حوسبة قوية وشبكات عالية السرعة وخيارات تخزين عالية الأداء قابلة للتطوير عند الطلب لأي مشروع تعلم آلي. هذا يقلل من حاجز الدخول للمؤسسات التي تتطلع إلى اعتماد السحابة لتوسيع نطاق تطبيقات ML الخاصة بهم.





يدفع المطورون وعلماء البيانات حدود التكنولوجيا ويتبنون التعلم العميق بشكل متزايد ، وهو نوع من التعلم الآلي يعتمد على خوارزميات الشبكة العصبية. تعد نماذج التعلم العميق هذه أكبر وأكثر تعقيدًا مما يؤدي إلى ارتفاع التكاليف لتشغيل البنية التحتية الأساسية لتدريب ونشر هذه النماذج.

لتمكين العملاء من تسريع تحول الذكاء الاصطناعي / التعلم الآلي ، تقوم AWS ببناء شرائح تعلم آلي عالية الأداء ومنخفضة التكلفة. AWS Inferentia هي أول شريحة تعلم آلي تم إنشاؤها من الألف إلى الياء بواسطة AWS للحصول على أقل تكلفة لاستدلال التعلم الآلي في السحابة. في الواقع ، توفر مثيلات Amazon EC2 Inf1 المدعومة من Inferentia أداءً أعلى بمقدار 2.3 مرة وتكلفة أقل بنسبة تصل إلى 70٪ لاستدلال التعلم الآلي عن مثيلات EC2 الحالية القائمة على وحدة معالجة الرسومات. AWS Trainium هي شريحة التعلم الآلي الثانية من AWS المصممة خصيصًا لتدريب نماذج التعلم العميق وستكون متاحة في أواخر عام 2021.

قام العملاء عبر الصناعات بنشر تطبيقات ML الخاصة بهم في الإنتاج على Inferentia وشهدوا تحسينات كبيرة في الأداء ووفورات في التكاليف. على سبيل المثال ، تتيح منصة دعم العملاء في AirBnB تجارب خدمة ذكية وقابلة للتطوير واستثنائية لمجتمعها المكون من ملايين المضيفين والضيوف في جميع أنحاء العالم. استخدمت مثيلات EC2 Inf1 المستندة إلى Inferentia لنشر نماذج معالجة اللغة الطبيعية (NLP) التي تدعم روبوتات المحادثة الخاصة بها. أدى ذلك إلى تحسن الأداء بمقدار الضعفين مقارنة بالمثيلات المستندة إلى وحدة معالجة الرسومات.



ما الذي ستفعله للحفاظ على إجابات أمازون الآمنة

مع هذه الابتكارات في السيليكون ، تمكّن AWS العملاء من تدريب وتنفيذ نماذج التعلم العميق الخاصة بهم في الإنتاج بسهولة مع الأداء العالي والإنتاجية بتكاليف أقل بشكل ملحوظ.

يتحدى التعلم الآلي التحول السريع إلى البنية التحتية القائمة على السحابة

التعلم الآلي هو عملية تكرارية تتطلب من الفرق إنشاء التطبيقات وتدريبها ونشرها بسرعة ، بالإضافة إلى التدريب وإعادة التدريب والتجربة بشكل متكرر لزيادة دقة التنبؤ بالنماذج. عند نشر النماذج المدربة في تطبيقات الأعمال الخاصة بهم ، تحتاج المؤسسات أيضًا إلى توسيع نطاق تطبيقاتها لخدمة مستخدمين جدد في جميع أنحاء العالم. يجب أن يكونوا قادرين على خدمة طلبات متعددة واردة في نفس الوقت بزمن انتقال شبه فوري لضمان تجربة مستخدم فائقة.

حالات الاستخدام الناشئة مثل اكتشاف الأشياء ومعالجة اللغة الطبيعية (NLP) وتصنيف الصور والذكاء الاصطناعي للمحادثة وبيانات السلاسل الزمنية تعتمد على تقنية التعلم العميق. تتزايد نماذج التعلم العميق بشكل كبير من حيث الحجم والتعقيد ، حيث تنتقل من وجود ملايين المعلمات إلى المليارات في غضون بضع سنوات.

إن تدريب ونشر هذه النماذج المعقدة والمعقدة يترجم إلى تكاليف بنية تحتية كبيرة. يمكن أن تتزايد التكاليف بسرعة لتصبح كبيرة بشكل كبير حيث تقوم المؤسسات بتوسيع نطاق تطبيقاتها لتقديم تجارب في الوقت الفعلي تقريبًا لمستخدميها وعملائها.



هذا هو المكان الذي يمكن أن تساعد فيه خدمات البنية التحتية للتعلم الآلي المستندة إلى السحابة. توفر السحابة وصولاً عند الطلب إلى الشبكات الحاسوبية عالية الأداء وتخزين البيانات الكبيرة ، جنبًا إلى جنب بسلاسة مع عمليات التعلم الآلي وخدمات الذكاء الاصطناعي عالية المستوى ، لتمكين المؤسسات من البدء على الفور وتوسيع نطاق مبادرات الذكاء الاصطناعي / التعلم الآلي.

كيف تساعد AWS العملاء في تسريع تحول الذكاء الاصطناعي / التعلم الآلي

تهدف AWS Inferentia و AWS Trainium إلى إضفاء الطابع الديمقراطي على التعلم الآلي وإتاحته للمطورين بغض النظر عن الخبرة وحجم المؤسسة. تم تحسين تصميم Inferentia من أجل الأداء العالي ، والإنتاجية ، والكمون المنخفض ، مما يجعله مثاليًا لنشر استنتاج تعلم الآلة على نطاق واسع.

تحتوي كل شريحة AWS Inferentia على أربع نوى من NeuronCores تقوم بتنفيذ محرك مضاعف مصفوفة مصفوفة انقباضية عالية الأداء ، والذي يسرع بشكل كبير عمليات التعلم العميق النموذجية ، مثل الالتواء والمحولات. تم تجهيز NeuronCores أيضًا بذاكرة تخزين مؤقت كبيرة على الرقاقة ، مما يساعد على تقليل الوصول إلى الذاكرة الخارجية وتقليل زمن الوصول وزيادة الإنتاجية.

AWS Neuron ، مجموعة تطوير البرامج لـ Inferentia ، تدعم أصلاً أطر عمل ML الرائدة ، مثل TensorFlow و PyTorch. يمكن للمطورين الاستمرار في استخدام نفس الأطر وأدوات تطوير دورة الحياة التي يعرفونها ويحبونها. بالنسبة للعديد من نماذجهم المدربة ، يمكنهم تجميعها ونشرها على Inferentia عن طريق تغيير سطر واحد فقط من التعليمات البرمجية ، دون أي تغييرات إضافية في كود التطبيق.

والنتيجة هي نشر الاستدلال عالي الأداء ، والذي يمكن قياسه بسهولة مع إبقاء التكاليف تحت السيطرة.

أحدث التقنيات 2021

تمتلك شركة Sprinklr ، وهي شركة برمجية كخدمة ، منصة إدارة تجربة عملاء موحدة تعتمد على الذكاء الاصطناعي والتي تمكن الشركات من جمع وترجمة ملاحظات العملاء في الوقت الفعلي عبر قنوات متعددة إلى رؤى قابلة للتنفيذ. ينتج عن هذا حل استباقي للمشكلات ، وتطوير منتج محسّن ، وتسويق محتوى محسّن ، وخدمة عملاء أفضل. استخدمت Sprinklr Inferentia لنشر NLP وبعض نماذج الرؤية الحاسوبية الخاصة بها وشهدت تحسينات كبيرة في الأداء.

تنشر العديد من خدمات Amazon أيضًا نماذج التعلم الآلي الخاصة بهم على Inferentia.

يستخدم Amazon Prime Video نماذج ML الخاصة برؤية الكمبيوتر لتحليل جودة الفيديو للأحداث الحية لضمان تجربة المشاهد المثلى لأعضاء Prime Video. لقد نشرت نماذج ML لتصنيف الصور على مثيلات EC2 Inf1 وشهدت تحسنًا بمعدل 4 أضعاف في الأداء ووفورات في التكلفة تصل إلى 40٪ مقارنة بالمثيلات المستندة إلى وحدة معالجة الرسومات.

مثال آخر هو الذكاء المستند إلى الذكاء الاصطناعي والتعلم الآلي من Amazon Alexa ، والمدعوم من Amazon Web Services ، والمتوفر على أكثر من 100 مليون جهاز اليوم. وعد Alexa للعملاء أنه دائمًا ما يصبح أكثر ذكاءً ، وأكثر حوارية ، وأكثر استباقية ، وأكثر بهجة. يتطلب الوفاء بهذا الوعد تحسينات مستمرة في أوقات الاستجابة وتكاليف البنية التحتية للتعلم الآلي. من خلال نشر نماذج تعلم النص إلى كلام من Alexa على مثيلات Inf1 ، تمكنت من تقليل زمن استجابة الاستدلال بنسبة 25٪ وتكلفة الاستدلال بنسبة 30٪ لتحسين تجربة الخدمة لعشرات الملايين من العملاء الذين يستخدمون Alexa كل شهر.

إطلاق العنان لقدرات التعلم الآلي الجديدة في السحابة

بينما تتسابق الشركات لإثبات أعمالها في المستقبل من خلال تمكين أفضل المنتجات والخدمات الرقمية ، لا يمكن لأي مؤسسة أن تتخلف عن نشر نماذج التعلم الآلي المتطورة للمساعدة في ابتكار تجارب عملائها. على مدى السنوات القليلة الماضية ، كانت هناك زيادة هائلة في قابلية تطبيق التعلم الآلي لمجموعة متنوعة من حالات الاستخدام ، من التخصيص والتنبؤ بالاحتيال إلى اكتشاف الاحتيال والتنبؤ بسلسلة التوريد.

لحسن الحظ ، تطلق البنية التحتية للتعلم الآلي في السحابة العنان لإمكانات جديدة لم تكن ممكنة في السابق ، مما يجعلها في متناول الممارسين غير الخبراء. هذا هو السبب في أن عملاء AWS يستخدمون بالفعل مثيلات Amazon EC2 Inf1 التي تعمل بنظام Inferentia لتوفير المعلومات الكامنة وراء محركات التوصية وروبوتات الدردشة والحصول على رؤى قابلة للتنفيذ من تعليقات العملاء.

من خلال خيارات البنية التحتية للتعلم الآلي المستندة إلى السحابة من AWS والمناسبة لمستويات المهارات المختلفة ، من الواضح أن أي مؤسسة يمكنها تسريع الابتكار واحتضان دورة حياة التعلم الآلي بالكامل على نطاق واسع. مع استمرار انتشار التعلم الآلي ، أصبحت المؤسسات الآن قادرة على تحويل تجربة العملاء بشكل أساسي - والطريقة التي يمارسون بها أعمالهم - باستخدام بنية تحتية للتعلم الآلي عالية الأداء وقائمة على السحابة وفعالة من حيث التكلفة.

تعرف على المزيد حول كيف يمكن لمنصة التعلم الآلي من AWS أن تساعد شركتك على الابتكار هنا .

تم إنتاج هذا المحتوى بواسطة AWS. لم يكتبه فريق التحرير في MIT Technology Review.

يخفي

التقنيات الفعلية

فئة

غير مصنف

تكنولوجيا

التكنولوجيا الحيوية

سياسة التكنولوجيا

تغير المناخ

البشر والتكنولوجيا

وادي السيليكون

الحوسبة

مجلة Mit News

الذكاء الاصطناعي

الفراغ

المدن الذكية

بلوكشين

قصة مميزة

الملف الشخصي للخريجين

اتصال الخريجين

ميزة أخبار معهد ماساتشوستس للتكنولوجيا

1865

وجهة نظري

77 Mass Ave

قابل المؤلف

ملامح في الكرم

شوهد في الحرم الجامعي

خطابات الخريجين

أخبار

انتخابات 2020

فهرس With

تحت القبه

خرطوم الحريق

قصص لانهائية

مشروع تكنولوجيا الوباء

من الرئيس

غلاف القصه

معرض الصور

موصى به