211service.com
Le supercalculateur d'intelligence artificielle de Baidu bat Google dans la reconnaissance d'images
Mise à jour : Le 1er juin 2015, Baidu a modifié son document technique sur son système pour admettre qu'il avait enfreint les règles régissant le ImageNet Challenge que l'entreprise avait utilisées pour affirmer qu'elle avait battu d'autres équipes de recherche. Les organisateurs du défi ont examiné la conduite de Baidu et ont émis une déclaration affirmant que ses résultats ne doivent pas être considérés comme directement comparables aux résultats obtenus par d'autres.
La société de recherche chinoise Baidu a construit cet ordinateur pour accélérer ses recherches sur l'intelligence artificielle.
Le géant chinois de la recherche Baidu a déclaré avoir inventé un superordinateur puissant qui apporte un nouveau muscle à une technique d'intelligence artificielle donnant aux logiciels plus de pouvoir pour comprendre la parole, les images et le langage écrit.
Le nouvel ordinateur, appelé Minwa et situé à Pékin, dispose de 72 processeurs puissants et de 144 processeurs graphiques, appelés GPU. Tard lundi, Baidu a publié un document affirmant que l'ordinateur avait été utilisé pour former un logiciel d'apprentissage automatique qui a établi un nouveau record de reconnaissance d'images, battant une marque précédente établie par Google.
Notre société est désormais en tête de la course en matière d'intelligence informatique, a déclaré Ren Wu, un scientifique de Baidu travaillant sur le projet, s'exprimant lors de la Sommet sur la vision intégrée mardi. La puissance de calcul de Minwa le placerait probablement parmi les 300 ordinateurs les plus puissants au monde s'il n'était pas spécialisé dans l'apprentissage en profondeur, a déclaré Wu. Je pense que c'est le supercalculateur le plus rapide dédié à l'apprentissage en profondeur, a-t-il déclaré. Nous avons un grand pouvoir entre nos mains, bien plus grand que nos concurrents.
La puissance de calcul est importante dans le monde de l'apprentissage en profondeur, qui a produit des percées dans la reconnaissance de la parole, des images et des visages et amélioré les services de recherche d'images et de reconnaissance vocale offerts par Google et Baidu.
La technique est une version gonflée d'une approche établie pour la première fois il y a des décennies, dans laquelle les données sont traitées par un réseau de neurones artificiels qui gèrent les informations d'une manière vaguement inspirée par les cerveaux biologiques. L'apprentissage en profondeur consiste à utiliser des réseaux de neurones plus grands qu'auparavant, organisés en couches hiérarchiques, et à les entraîner avec des collections de données beaucoup plus importantes, telles que des photos, des documents texte ou des enregistrements vocaux.
Jusqu'à présent, les ensembles de données et les réseaux plus volumineux semblent toujours être meilleurs pour cette technologie, a déclaré Wu. C'est en cela qu'il diffère des techniques d'apprentissage automatique précédentes, qui avaient commencé à produire des rendements décroissants avec des ensembles de données plus volumineux. Une fois que vous avez mis à l'échelle vos données au-delà d'un certain point, vous ne pouviez voir aucune amélioration, a déclaré Wu. Avec l'apprentissage en profondeur, cela ne cesse d'augmenter. Baidu dit que Minwa rend pratique la création d'un réseau de neurones artificiels avec des centaines de milliards de connexions, des centaines de fois plus que n'importe quel réseau construit auparavant.
Un article publié lundi est destiné à donner un avant-goût de ce que le punch supplémentaire de Minwa peut faire. Il décrit comment le supercalculateur a été utilisé pour former un réseau de neurones qui a établi un nouveau record sur une référence standard pour les logiciels de reconnaissance d'images. Le ImageNet Classification Challenge, comme on l'appelle, consiste à former un logiciel sur une collection de 1,5 million d'images étiquetées dans 1 000 catégories différentes, puis à demander à ce logiciel d'utiliser ce qu'il a appris pour étiqueter 100 000 images qu'il n'a jamais vues auparavant.
Le logiciel est comparé sur la base de la fréquence à laquelle ses cinq meilleures suppositions pour une image donnée manquent la bonne réponse. Le système formé sur le nouvel ordinateur de Baidu ne s'est trompé que 4,58 % du temps. Le meilleur précédent était de 4,82 %, rapporté par Google en mars. Un mois avant cela, Microsoft avait rapporté atteignant 4,94 %, devenant le premier à améliorer la performance humaine moyenne de 5,1 %.
Wu a déclaré que Minwa avait permis de former le système sur des images à plus haute résolution. Cela a également permis l'utilisation d'une technique qui a transformé les 1,2 million d'images d'entraînement originales en deux milliards en les déformant, en les retournant et en modifiant leurs couleurs. L'utilisation de cet ensemble d'entraînement plus large a amélioré la précision en empêchant le système de devenir trop obsédé par les détails exacts des images d'entraînement, a déclaré Wu. Le système résultant devrait mieux gérer les photos du monde réel, a-t-il déclaré.
Comme ces minces marges de victoire sur le défi ImageNet pourraient le suggérer, l'apprentissage en profondeur est maintenant prêt pour des défis plus difficiles que la reconnaissance d'images, comme l'interprétation de vidéos ou la description d'images dans des phrases (voir Le logiciel inspiré par le cerveau de Google décrit ce qu'il voit dans des images complexes). Wu a déclaré qu'en plus de réfléchir à la façon de rendre Minwa encore plus grand et de l'utiliser sur la vidéo et le texte, les chercheurs de Baidu travaillent sur des moyens de réduire leurs réseaux de neurones formés afin qu'ils puissent fonctionner sur des appareils mobiles.
Il a montré une vidéo d'un prototype d'application pour smartphone capable de reconnaître différentes races de chiens, en utilisant une version condensée d'un réseau d'apprentissage en profondeur formé sur un prédécesseur de Minwa. Si vous savez comment exploiter la puissance de calcul des GPU d'un téléphone, vous pouvez réellement reconnaître à la volée directement à partir du capteur d'image, a-t-il déclaré.