Ujumuishaji wa Mfumo: Je, ni wakati wa mifumo ya kina ya kujifunza kuunganishwa?

• mwandishi:
• mwandishi jina

  Mtazamo wa Quantumrun
• Januari 31, 2023

Zana zinazotumia akili bandia (AI) na kujifunza kwa mashine (ML) huwezesha mashirika kudhibiti na kuchanganua hazina zao zinazoendelea kukua za data kwa ufanisi zaidi. Hasa, mifumo ya kujifunza kwa kina (DL) inakuwa vizuizi vya ubunifu wa AI/ML nyingi. Changamoto sasa iko katika kuunganisha mifumo tofauti ili kuharakisha utafiti na maendeleo.

Muktadha wa uimarishaji wa mfumo

Mfumo wa programu ni seti ya zana zinazosaidia watengenezaji kuunda programu na mifumo iliyopangwa vizuri na ya kuaminika. Mfumo katika upangaji hutoa vipengele vilivyotengenezwa tayari au ufumbuzi wa matatizo ya kawaida, ambayo watengenezaji wanaweza kisha kubinafsisha kulingana na mahitaji yao maalum. Katika upangaji wa jadi, msimbo maalum huita kwenye maktaba ili kufikia msimbo unaoweza kutumika tena. Kwa ubadilishaji wa udhibiti (IoC), mfumo huita vipande maalum vya msimbo inapohitajika.

Inapokuja kwa DL, mifumo hutoa njia rahisi ya kubuni, kutoa mafunzo, na kuthibitisha mitandao ya kina ya neva. Miundo mingi ya DL hutumia vitengo vya uchakataji wa michoro (GPUs) ili kuharakisha mafunzo, ikiwa ni pamoja na PyTorch, TensorFlow, PyTorch Geometric, na DGL. Mifumo hii inategemea maktaba zinazoharakishwa na GPU kama vile cuDNN, NCCL, na DALI kutoa utendakazi wa hali ya juu. 

Umaarufu wa mifumo fulani ya DL kati ya watafiti mara nyingi huonyesha mwelekeo wa matumizi ya kibiashara. Kwa mfano, TensorFlow ya Google na Meta's PyTorch ni mbili kati ya maarufu zaidi. Hasa, PyTorch imeona ongezeko la kupitishwa tangu 2017. Kulingana na gazeti linalozingatia AI The Gradient, katika karatasi za mkutano wa 2019 ambazo zilitaja mfumo uliotumiwa, asilimia 75 ilitaja PyTorch lakini sio TensorFlow. Kati ya watafiti 161 waliochapisha karatasi nyingi za TensorFlow kuliko karatasi za PyTorch, asilimia 55 walibadilisha kwenda Pytorch, wakati asilimia 15 tu ndio walifanya kinyume.

Athari ya usumbufu

Kuna hitaji linaloongezeka la kampuni kujumuisha mifumo yao ya AI ili kutoa matokeo thabiti na udhibiti wa ubora. Bomba la utafiti-kwa-uzalishaji wa miradi ya AI limejulikana kuwa polepole na la kuchosha hapo awali. Hatua nyingi, zana ambazo ni vigumu kutumia, na ukosefu wa viwango ulifanya iwe vigumu kufuatilia kila kitu. Watafiti na wahandisi walipata shida kuchagua kati ya mifumo ambayo ilikuwa nzuri kwa utafiti au uzalishaji wa kibiashara, lakini sio zote mbili.

Mnamo 2021, Meta iliamua kuhamishia mifumo yake yote ya AI hadi PyTorch. Hapo awali, kampuni ilitumia mifumo miwili mikuu—PyTorch-chanzo-wazi kwa ajili ya utafiti (ambayo kampuni iliunda kwa ushirikiano na Linux Foundation) na Caffe2, mfumo wa ndani uliotumika kwa madhumuni ya kibiashara. Mpito huu ni habari njema sio tu kwa Meta, ambayo itaokoa pesa kwa matengenezo na maendeleo, lakini pia kwa watengenezaji wanaotumia mfumo huu wa chanzo-wazi. Meta ilisema itazingatia kufanya kazi na jumuiya ya wasanidi wa PyTorch, kushirikiana katika mawazo na miradi inayowezekana. 

Wahandisi wa PyTorch katika Facebook wameanzisha hatua kwa hatua zana mbalimbali, miundo iliyofunzwa awali, maktaba, na seti za data muhimu kwa kila hatua katika kuendeleza ubunifu wa AI/ML. Kwa masasisho ya 2021, kumekuwa na zaidi ya utafiti 3,000 unaoendelea ikilinganishwa na matoleo ya awali. Tunatumahi, kampuni za teknolojia zitashirikiana zaidi kupunguza mifumo ya AI na kuunda mifumo inayoweza kushirikiana ambayo inakuza ushirikiano na kupitishwa.

Athari za uimarishaji wa mfumo

Athari pana za uimarishaji wa mfumo zinaweza kujumuisha: 

• Ubunifu wa haraka katika nafasi ya AI/ML kadiri kampuni nyingi zinavyopitisha mfumo mmoja kuu wa utafiti.
• Uzoefu thabiti wa mtumiaji wa mwisho kwenye programu mbalimbali zinazotumia miundombinu sawa, hasa kwa vifaa mahiri vya nyumbani na Mtandao wa Mambo (IoT).
• Watafiti kuweza kutambua kwa usahihi upendeleo wa algorithm na mende/matatizo mengine wakati wa kutumia mfumo mmoja wa kawaida.
• Ushirikiano zaidi kati ya makampuni ya teknolojia na mashirika ili kuunda mifumo ya chanzo huria ambayo mtu yeyote anaweza kufikia na kujenga juu yake.
• Kuongezeka kwa ushindani kati ya makampuni makubwa ya teknolojia ili kuanzisha mfumo mkuu zaidi, ambao unaweza kutatiza ushirikiano.

Maswali ya kutoa maoni

• Ikiwa unafanya kazi katika nafasi ya DL, mifumo ya ujumuishaji imerahisishaje kazi yako?
• Je, ni faida gani nyingine za idadi iliyochaguliwa ya mifumo inayofanya kazi vizuri pamoja?