9月25日,在華為全聯接2020期間,華為云發(fā)布了ModelArts 3.0,融合骨干模型、聯邦學習、智能評估、智能診斷和高效算力。
“ModelArts在多個行業(yè)和項目中有了成功落地,離不開華為云EI在人工智能領域的長期投入?!比A為云AI首席科學家田奇指出,華為云長期扎根AI基礎技術研究,覆蓋計算機視覺、語音語義和決策優(yōu)化三大領域,提出了六大基礎研究計劃。這些計劃產生的許多研究成果以即插即用的方式逐步部署于華為云ModelArts,助力行業(yè)AI落地。
“華為云發(fā)布的ModelArts3.0,是面向AI在行業(yè)落地提供的AI開發(fā)平臺,旨在通過AI技術高效解決行業(yè)挑戰(zhàn)?!?談及ModelArts 3.0發(fā)布的初衷,田奇指出,為應對這些難點,華為將骨干模型、聯邦學習、智能診斷評估優(yōu)化、和高效算力并將它們融入到ModelArts3.0的開發(fā)中。
具體來看,華為云骨干工具鏈EI-Backbone提供了AI開發(fā)的新范式。通過整合模型高效、數據高效、算力高效、知識高效,全面提升行業(yè)AI落地能力,EI-Backbone的能力,已經在10余個行業(yè)成功驗證,并且斬獲10余個業(yè)界挑戰(zhàn)賽冠軍。
眾所周知,數據是AI應用的基礎,只有基于多樣化的數據,才能實現AI智能感知。然而,在實際AI行業(yè)落地中,數據是分散在不同的數據控制者之間,這就導致了行業(yè)應用的數據孤島問題,使得AI算法訓練效果受到限制。
針對這個問題,華為云Modelarts提供聯邦學習特性,實現數據不出戶的聯合建模。用戶各自利用本地數據訓練,不交換數據本身,只用加密方式交換更新的模型參數,實現協同訓練。
目前,華為云EI與中國科學院上海藥物所的蔣華良院士合作,將華為自研的FedAMP算法和AutoGenome算法應用到藥物研發(fā)的AI任務中,精準預測藥物水溶解性、心臟毒性和激酶活性,準確度遠超傳統(tǒng)的聯邦學習和深度學習算法。
并且,華為云提供云邊協同的服務,支持不同地點、不同客戶的數據進行聯邦訓練,通過加密方式上傳服務端,對全局模型進行更新,再將其下發(fā)至邊緣設備,便捷支持同業(yè)態(tài)的橫向聯邦和跨業(yè)態(tài)的縱向聯邦學習。聯邦訓練參與者可以通過云端,也可以通過華為云邊緣設備(如智能小站)的計算能力參與聯邦訓練,實現行業(yè)內聯合建模。
眾所周知,模型在部署上線前,需要進行充分評估,結果優(yōu)秀的模型直接投入生產環(huán)境,差強人意的則需要進一步優(yōu)化迭代。
田奇表示,ModelArts提供了全面的可視化評估、智能化診斷功能,使得開發(fā)者可以直觀的了解模型的各方面性能,進而針對性的進行調優(yōu)或部署生產。
值得關注的是,彈性訓練也是ModelArts的核心能力之一,可以根據模型訓練速度的需求自適應實現資源的最佳分配。
據田奇介紹,ModelArts提供兩種模式,一是Turbo模式,可以充分利用空閑資源加速已有訓練作業(yè),訓練速度可提升10倍以上,并且不影響模型的收斂精度;二是經濟模式,可以通過最大化資源利用率給開發(fā)者提供極致的性價比,在大多數典型場景下可以提升性價比30%以上。
此外,為了更好地支持超大算力需求的AI研發(fā),華為ModelArts平臺在集群規(guī)模,任務數量,以及分布式訓練都做了針對性的優(yōu)化。
田奇表示,ModelArts研發(fā)平臺能夠管理上萬的節(jié)點,更好的支持大型訓練任務需求。通過優(yōu)化服務框架,ModelArts平臺支持10萬級別的作業(yè)同時運行、支持萬級芯片的大規(guī)模分布式任務。
“在骨干網絡、聯邦學習、模型診斷優(yōu)化、高效算力的加持下,華為云ModelArts會加速AI在行業(yè)落地?!碧锲嬷赋?,未來,華為云將持續(xù)聚焦于模型高效、數據高效、算力高效和知識高效4個重點方向,扎根于AI基礎研究,持續(xù)踐行普惠AI。
責任編輯:tzh
-
芯片
+關注
關注
450文章
49643瀏覽量
417250 -
華為
+關注
關注
215文章
34132瀏覽量
249484 -
AI
+關注
關注
87文章
28884瀏覽量
266265 -
人工智能
+關注
關注
1787文章
46063瀏覽量
235093
發(fā)布評論請先 登錄
相關推薦
評論