A Fujitsu frissen bemutatott áttörő jelentőségű mélytanulási fejlesztése rendkívül hatékony, új memóriaelosztási mechanizmust alkalmaz a mély neurális hálózatoknál (Deep Neural Network, DNN). A beszéd- és objektumfelismerést és kategorizálást végző AI-alkalmazásoknál széles körben használt neurális hálózatok működése rengeteg számítási erőforrást igényel, így komoly követelményeket támaszt a meglévő számítási infrastruktúrával szemben. A Fujitsu Laboratories of Europe új mélytanulási megoldása, a modellpárhuzamosítás képes arra, hogy automatizált, átlátható és könnyen kezelhető módon elossza a DNN memóriaigényét. Így további beruházások nélkül is jelentősen bővíthető a meglévő infrastruktúra nagyszabású AI-alkalmazásokhoz használható kapacitása.

 

„Az utóbbi években számos olyan új technológiai fejlesztés jelent meg, amely

hardveres

gyorsítással biztosítja az AI-alkalmazások mély neurális hálózatainak (DNN) kiépítéséhez szükséges óriási számítási kapacitást. A DNN számítási költségeinek folyamatos növekedése komoly kihívás, különösen, amikor a modellméret eléri azt a pontot, ahol már nem fér el egyetlen gyorsító memóriájában. Szélesebb és mélyebb neurális hálózatokra és finomabb kategorizálásra van szükség az

AI

új kihívásainak kezeléséhez. A megoldásaink erre a problémára közvetlenül reagálva, több gép között osztják el a DNN memóriaigényét. Technológiánkkal így kiterjeszthető a neurális hálózatok mérete, ami pontosabb és nagyobb DNN-modellek kidolgozását teszi lehetővé” – nyilatkozta Dr. Tsuneo Nakata, a Fujitsu Laboratories of Europe vezérigazgatója az új mélytanulási technológia előnyeiről.    

 

 

A Fujitsu Laboratories of Europe behatóan tesztelte az új technológiát. Az új mechanizmust alkalmazta például a globális K+F közösség által széles körben használt Caffee nyílt forráskódú mélytanulási keretrendszerre. A megoldás több mint 90 százalékkal javította a memóriaeloszlást azzal, hogy az AlexNet teljes körűen csatlakoztatott rétegeit több NVIDIA GPU-vá alakította át. Hardverfüggetlen technológia lévén a megoldás képes arra, hogy egyszerre hasznosítsa a hagyományos processzorok és a jelenlegi illetve jövőbeni új hardvergyorsítók – pl. NVIDIA -k, Xeno Phi, FPGA-k, -ok és bármely egyéb, kifejezetten a mélytanulás számítási hatékonyságának növelésére fejlesztett alternatív hardverlapka – számítási teljesítményét.

 

 

 

Az új megoldás alkalmazási területei lehetnek pl.: egészségügyi elemzések (pl. a cukorbetegség okozta ideghártyabántalom észlelése); műholdképek kategorizálása és elemzése; IoT-eszközök kiterjedt grafikonadatai; pénzügyi tranzakciók; közösségi hálózati szolgáltatások; természetes nyelv feldolgozása (amelynél nagyméretű mélytanulási modellekre van szükség az emberi nyelv teljes komplexitásának modellezéséhez és megismeréséhez); stb.

 

A Fujitsu Laboratories of Europe a Fujitsu fejlett gépi tanulási és mélytanulási kutatásainak kiválóságközpontja. Itt zajlik a digitális megoldások és szolgáltatások fejlesztése a vállalat emberközpontú AI terén indított Zinrai programjához. A központ kiterjedt együttműködést folytat a Fujitsu ügyfeleivel és más kutatási szervezetekkel az EMEIA-régió egészében. Partnerei között megtalálható a (az AI-alapú HIKARI egészségügyi megoldást használó) madridi San Carlos Klinikai Kórház, a (turisztikai alkalmazásokat támogató adatanalitikai kutatásokat végző) Sevillai Egyetem, valamint a brit 5G Innovációs Központ.