Стартап бывших руководителей Intel нацелен на сокращение расходов на ИИ

14
США заявляют, что компании могут удовлетворить запрос на получение данных о микросхемах из-за опасений Тайваня и Южной Кореи

После того, как корпорация Intel купила стартап Навина Рао и Ханлин Танг в 2016 году, их задача заключалась в том, чтобы помочь гиганту в области микросхем заработать на искусственном интеллекте, который требует огромных вычислительных мощностей и стал прибыльным для чипа. промышленность.

Но после ухода из Intel в прошлом году они представили стартап под названием MosaicML. Он направлен на то, чтобы помочь предприятиям и исследователям более эффективно использовать искусственный интеллект — иными словами, используя меньше вычислительной мощности и меньше микросхем. Он привлек 37 миллионов долларов финансирования от DCVC, Lux Capital, Future Ventures, Playground Global и других венчурных инвесторов.

Основатели MosaicML заявили, что модели искусственного интеллекта, которые должны быть «обучены» с использованием огромных массивов данных, резко выросли в сложности с 2018 года. Для обучения модели теперь могут потребоваться вычисления на миллионы долларов, что делает ее недоступной для всех, кроме крупных компаний. .

«Компании больше не могут этого делать — у них нет доступа к новейшим методам», — сказал Рао в интервью агентству Рейтер. «Это не хорошо для нашей области».

Рао и Тан связались с профессором Майклом Карбином и Джонатаном Франклом, докторантом его исследовательской группы в Массачусетском технологическом институте, соответственно, которые опубликовали работу о том, как сделать машинное обучение более эффективным. Группа обнаружила, что не существует единой технологии для сокращения затрат на вычисление ИИ, а есть мозаика — отсюда и название компании — различных подходов, возникающих среди исследователей.

MosaicML превращает существующие идеи в более совершенную форму, которая может быть использована предприятиями напрямую. Затем он также предлагает платные услуги, такие как инструменты для оценки компромиссов между скоростью, стоимостью и точностью использования различных видов вычислительного оборудования для обучения модели ИИ.

Дэвид Кантер, исполнительный директор MLCommons, отраслевой группы искусственного интеллекта, не связанной с MosaicML, сказал, что прогнозирование и контроль затрат на вычисления стали ключевой проблемой для предприятий, стремящихся использовать последние достижения в области технологий искусственного интеллекта, что делает работу, подобную MosaicML, важной для смотреть.

«Устранение хлопот, ускорение, повышение доступности — все это потенциально выгодно для отрасли», — сказал Кантер.

ОСТАВЬТЕ ОТВЕТ

Please enter your comment!
Please enter your name here