Intel pubblica kit di riferimento open source per l’intelligenza artificiale

Intel pubblica kit di riferimento open source per l’intelligenza artificiale

Intel ha rilasciato la prima serie di kit di riferimento open source per l’IA, specificamente progettati per rendere l’IA più accessibile all’interno delle organizzazioni.

Presentati per la prima volta all’Intel Vision 2022, questi kit di riferimento rendono l’IA più accessibile, sia in ambienti on-premise, cloud o edge. Questi kit AI comprendono:

  • Codice del modello AI,
  • istruzioni per la pipeline di apprendimento automatico end-to-end,
  • Librerie e componenti Intel oneAPI per prestazioni cross-architecture.

L’innovativo ecosistema Intel è stato progettato per aiutare gli scienziati dei dati e gli sviluppatori a implementare l’IA in modo più rapido e semplice nei settori della sanità, della produzione, della vendita al dettaglio e in altri settori con una maggiore precisione, migliori prestazioni e un costo totale di implementazione inferiore.

Oggi sono disponibili per il download 4 kit:

1) Salute dei beni di utilità

Questo modello di analisi predittiva è stato addestrato per aiutare le utility a garantire una maggiore affidabilità del servizio. Inoltre, utilizza XGBoost ottimizzato da Intel attraverso la libreria di analisi dei dati Intel oneAPI per modellare la salute dei pali delle utility con 34 attributi e oltre 10 milioni di punti dati. I dati comprendono l’età dell’asset, le proprietà meccaniche, i dati geospaziali, le ispezioni, il produttore, lo storico delle riparazioni e delle manutenzioni precedenti e le registrazioni delle interruzioni. Il modello di manutenzione predittiva degli asset apprende continuamente man mano che vengono forniti nuovi dati, come quelli relativi ai nuovi produttori di pali, alle interruzioni e ad altri cambiamenti nelle condizioni.

2) Controllo qualità visivo

Il controllo di qualità (QC) è essenziale in qualsiasi operazione di produzione. La sfida delle tecniche di computer vision è che spesso richiedono una grande potenza di calcolo grafico durante l’addestramento e un frequente retraining con l’introduzione di nuovi prodotti. Il modello AI Visual QC è stato addestrato utilizzando Intel AI Analytics Toolkit, che include Intel Optimization for PyTorch e Intel Distribution of OpenVINO toolkit, entrambi alimentati da oneAPI per ottimizzare l’addestramento e l’inferenza in modo da renderli rispettivamente più veloci del 20% e del 55% rispetto all’implementazione stock del kit Accenture per il controllo visivo della qualità senza le ottimizzazioni Intel per i carichi di lavoro di computer vision su CPU, GPU e altre architetture basate su acceleratori. Utilizzando la computer vision e la classificazione SqueezeNet, il modello AI Visual QC ha utilizzato la messa a punto e l’ottimizzazione degli iperparametri per rilevare i difetti delle pillole farmaceutiche con una precisione del 95%.

3) Chatbot cliente

I chatbot conversazionali sono diventati un servizio fondamentale per supportare le iniziative in tutta l’azienda. I modelli di intelligenza artificiale che supportano le interazioni con i chatbot conversazionali sono enormi e molto complessi. Questo kit di riferimento include modelli di elaborazione del linguaggio naturale ad apprendimento profondo per la classificazione degli intenti e il riconoscimento di entità denominate utilizzando BERT e PyTorch. L’estensione Intel per PyTorch e la distribuzione Intel del toolkit OpenVINO ottimizzano il modello per ottenere prestazioni migliori (inferenza più veloce del 45% rispetto all’implementazione stock del kit chatbot del cliente Accenture senza le ottimizzazioni Intel) su architetture eterogenee e consentono agli sviluppatori di riutilizzare il codice di sviluppo del modello con modifiche minime al codice per la formazione e l’inferenza.

4) Indicizzazione intelligente dei documenti

Le aziende elaborano e analizzano milioni di documenti ogni anno e molti di quelli semi-strutturati e non strutturati vengono smistati manualmente. L’intelligenza artificiale può automatizzare l’elaborazione e la categorizzazione di questi documenti per velocizzare l’instradamento e ridurre i costi del lavoro manuale. Utilizzando un modello di classificazione vettoriale di supporto (SVC), questo kit è stato ottimizzato con Intel Distribution of Modin e Intel Extension for Scikit-learn powered by oneAPI. Questi strumenti migliorano i tempi di pre-elaborazione, addestramento e inferenza dei dati, rispettivamente del 46%, 96% e 60% rispetto all’implementazione di serie del kit di indicizzazione dei documenti Accenture Intelligent senza le ottimizzazioni Intel4 per la revisione e l’ordinamento dei documenti con un’accuratezza del 65%.

« L’innovazione prospera in un ambiente aperto e democratizzato. L’ecosistema di software AI aperto e accelerato di Intel, che comprende framework popolari ottimizzati e strumenti AI di Intel, si basa su un modello di programmazione oneAPI aperto, basato su standard e unificato. Questi kit di riferimento, realizzati con componenti del portafoglio software AI end-to-end di Intel, consentiranno a milioni di sviluppatori e data scientist di introdurre l’AI in modo rapido e semplice nelle loro applicazioni o di potenziare le soluzioni intelligenti esistenti. »

Wei Li, Ph.D., vicepresidente e direttore generale di Intel per l’intelligenza artificiale e l’analisi

Leggi l’articolo completo:
https://pulse2.com/intel-intc-releases-open-source-ai-reference-kits