Intel anuncia que acaba de lanzar el primer conjunto de kits de referencia de IA de código abierto diseñados para hacer que la IA sea más accesible. Se espera que sirva para las organizaciones en entornos on-premise, la nube y el edge computing.
Los kits de referencia se presentaron por primera vez en Intel Vision e incluyen código de modelo de IA, instrucciones de canalización de aprendizaje automático de extremo a extremo, bibliotecas y componentes de Intel oneAPI para el rendimiento entre arquitecturas. Con esto se permite a científicos de datos y desarrolladores, aprender a desplegar la IA de forma más rápida y sencilla en diferentes sectores. Estos sectores que podrían beneficiarse de este código abierto serían los de la sanidad, la fabricación, y el retail; para una mayor precisión, un mejor rendimiento y menor coste total de implementación.
Índice de contenido
Intel quiere que la IA sea más accesible para sectores clave
Las cargas de trabajo de la IA siguen creciendo y diversificándose para su uso en el ámbito de la visión, la voz, los sistemas de recomendación y más Los kits de referencia de IA de Intel han sido creados en colaboración con Accenture y están diseñados para acelerar la adopción de la IA en todos los sectores donde su uso pudiera ser un gran beneficio. Es código abierto y una IA pre-construida con contextos empresariales significativos, tanto para la introducción de IA de nueva creación como para los cambios estratégicos en las soluciones de IA existentes.
Desde hoy ya se pueden descargar cuatro kits de IA preconstruidos. estos son los cuatro kits de desarrollo abierto para Inteligencia Artififical que ha sacado Intel :
- Salud de los activos de servicios públicos
- Control de calidad visual
- Chatbot para clientes
- Indexación Documental Inteligent
Se pueden descargar estos kits de código abierto de IA de forma gratuita en la web de Intel AI Reference Kits. Los kits de IA que acaba de poner Intel a disposición de todos, también están disponibles en Github para que la comunidad pueda usarlos, modificarlos y comentarlos para su mejora.
Un Kit de IA para la salud de los activos de servicios públicos,
Este modelo de análisis predictivo fue entrenado para ayudar a las empresas de servicios públicos a brindar una mayor confiabilidad en el servicio. Utiliza XGBoost optimizado por Intel a través de la biblioteca de análisis de datos Intel oneAPI para así modelar el estado de los postes de los servicios públicos con 34 atributos y más de 10 millones de puntos de datos. Estos incluyen la edad de los activos, las propiedades mecánicas, los datos geoespaciales, las inspecciones, el fabricante, el historial de reparaciones y mantenimiento anteriores y los registros de interrupciones. Su modelo de mantenimiento predictivo de activos está en continuo aprendizaje, a la vez que se le aportan nuevos datos.
Kit de Inteligencia artificial de Intel para el control de calidad visual
El principal inconveniente de las técnicas de visión por ordenador es que suelen de requerir una gran potencia de cálculo gráfico durante el entrenamiento, junto a un reentrenamiento frecuente a medida que se introducen nuevos productos. El modelo de control de calidad visual de IA se entrenó utilizando el kit de herramientas Intel AI Analytics, que incluye la optimización Intel para PyTorch y el Inte® Distribution of OpenVINO toolkit. Ambos kits están impulsados por oneAPI para así optimizar el entrenamiento y la inferencia para que sean un 20% y un 55% más rápidos, respectivamente.ç
Eestos datos son en comparación con la implementación de stock del kit de control de calidad visual de Accenture sin las optimizaciones de Intel para las cargas de trabajo de visión informática en la CPU, la GPU y otras arquitecturas basadas en aceleradores. Empleando la visión por ordenador y la clasificación SqueezeNet, el modelo AI Visual QC utilizó el ajuste y la optimización de hiperparámetros para así detectar los defectos de las píldoras farmacéuticas con un 95% de precisión.
Chatbot para clientes
Los modelos de IA que soportan las interacciones de los chatbots conversacionales suelen ser masivos y muy complejos. Este kit de referencia de Intel incluye modelos de procesamiento de lenguaje natural de aprendizaje profundo para poder llevar a cabo la clasificación de intenciones y el reconocimiento de entidades con nombre utilizando BERT y PyTorch. Con Intel Extension for PyTorch y la distribución de Intel del kit de herramientas OpenVINO, se optimiza el modelo para así conseguir una mejora del rendimiento de aproximadamente un 45% más de velocidad de inferencia.
Eestos datos son en comparación con la implementación de stock del kit de chatbot del cliente de Accenture sin las optimizaciones de Intel en arquitecturas heterogéneas. Con todo esto, se permite a los desarrolladores reutilizar el código de desarrollo del modelo con mínimos cambios de código para el aprendizaje y la inferencia.
Indexación Documental Inteligente
Las empresas procesan y analizan millones de documentos cada año. Muchos de los documentos semiestructurados y no estructurados se enrutan manualmente, lo cual es lento y propenso a errores. La IA puede automatizar el procesamiento y la categorización de estos documentos para así agilizar el enrutamiento y reducir los costes de mano de obra. Se emplea un modelo de clasificación de vectores de apoyo (SVC) para optimizar este kit de IA con Intel Distribution of Modin y con Intel Extension for Scikit-learn potenciado por oneAPI.
Estas herramientas mejoran los tiempos de preprocesamiento, formación e inferencia de los datos para que sean un 46%, un 96% y un 60% más rápidos, respectivamente. Los datos son en comparación con la implementación de stock del kit de indexación de documentos de Accenture Intelligent sin las optimizaciones de Intel para revisar y clasificar los documentos con un 65% de precisión.
