Присоединяйтесь к Volant AI: App Store of AI

Да, «App Store of AI» звучит как изящная фраза. Это больше, чем просто рынок моделей искусственного интеллекта.

Мы стараемся сохранить эту статью для быстрого чтения. Более подробная информация будет позже.

Во-первых, некоторые тенденции

Не секрет, что за последнее десятилетие люди больше, чем когда-либо, занимаются искусственным интеллектом / машинным обучением / глубоким обучением.

Благодаря силе Интернета и МООК обучение стало намного более демократичным. Любой может узнать, как создать простую модель распознавания цифр MNIST, прочитав одно из сотен, если не тысяч учебных пособий в Интернете. Kaggle¹ - очень популярная платформа для применения науки о данных и навыков AI / ML, где люди могут соревноваться за создание моделей, которые хорошо работают с наборами данных. Ежемесячно более 1,5 миллионов активных пользователей принимают участие в практических соревнованиях.

На днях я увидел забавный пост, отражающий это общее настроение:

Согласны ли вы с этим (беззаботным) комментарием или нет, нельзя отрицать рост «теневой рабочей силы» страстных энтузиастов ИИ. Это в сочетании с растущим рынком программного обеспечения для искусственного интеллекта, который, по прогнозам, к 2025 году составит 125 миллиардов долларов², демонстрирует положительную тенденцию во взаимодействии с искусственным интеллектом для многих. Мы надеемся использовать их, чтобы создавать высокопроизводительные модели AI / ML быстрее и дешевле, чем когда-либо.

Почему мы это делаем

Мы так много хотим сказать по этому поводу, но давайте пока что оставим это на высоком уровне.

Проблема: стоимость + экспертиза

Мы собираемся углубиться в это в следующих статьях, но проблема (и) в разработке модели ИИ сводится к следующему:

Стоимость: разработка модели глубокого обучения может занять очень много времени и денег. Это включает стоимость обучения (вычислений) и временные рамки.
Опыт: наличие модели, разработанной кем-то, имеющим опыт работы в определенной области, дает много преимуществ.

Безусловно, существуют необходимые варианты использования (особенно корпоративные), в которых необходимо обучение модели в течение нескольких месяцев и потратить тысячи долларов на человеко-часы и разработку. Это действительно не должно идти на компромисс, если продукт, управляемый искусственным интеллектом, является основой компании. Однако в ситуациях, когда вероятность ошибки выше - например, при запуске или SMB - важно не тратить деньги на компьютер или рабочее время, которые можно было бы использовать в другом месте.

Как правило, при условии, что в вашем репозитории нет аналогичной модели варианта использования, этот процесс включает в себя чтение документов о современном состоянии (SOTA), построение или погружение в github этих моделей и настройку их для работы на вас. Чтобы выяснить, действительно ли работает разрабатываемая вами модель, необходимо ее обучить, проверить ее производительность с помощью набора для проверки, настроить гиперпараметры модели и повторно обучить, повторно проверить и т. Д.

Помимо временного цикла, необходимого для обучения модели ИИ (массивные нейронные сети с миллионами параметров могут занимать дни), затраты на фактическую инфраструктуру неизбежны. Графические процессоры (GPU) - идеальное оружие для обучения, и их использование может привести к значительным счетам, особенно через поставщика облачных услуг, такого как AWS, Azure или GCP. Выполнение нескольких циклов цикла train-val может стоить тысячи долларов вычислительных и когнитивных затрат времени. Однако, как правило, «производить» модель без какой-либо настройки - плохая идея. Этот процесс обременительный и, безусловно, необходим для сложных условий корпоративного уровня, но он не идеален для малых предприятий.

Знание предметной области может быть очень трудным и дорогостоящим. Многие более крупные предприятия могут позволить себе иметь собственные магазины искусственного интеллекта, которые готовы взаимодействовать с межгрупповыми инженерами и менеджерами по продуктам. Они добиваются успеха, потому что могут использовать опыт разных экспертов, чтобы модель работала. Компании малого и среднего бизнеса, возможно, не смогут этого сделать. Наем инженера по ИИ / специалиста по данным стоит не менее 100 тысяч долларов, если не больше, в зависимости от опыта и местоположения. Что, если бы у вас был собственный специалист по персональным данным, но вы бы использовали его (и платили за него), когда это необходимо?

Наше решение: рынок гибридных моделей ИИ + MSaaS

Рынок гибридных моделей искусственного интеллекта относится к рынку, на котором есть обе модели, которые являются не только предметно-ориентированными, но и каноническими моделями. У нас будет доска задач, на которой сущности, которые ищут конкретные модели, относящиеся к их предметной области, могут выписывать некоторые быстрые спецификации (подумайте, данные + какое-то описание), а лучшие разработчики ИИ в мире смогут построить модель, удовлетворяющую этим требованиям. На торговой площадке также будут модели, которые являются каноническими; они будут напоминать типичные варианты использования и проблемы (распознавание цифр, анализ тональности, сегментация изображений и т. д.), встречающиеся в AI. Мы ожидаем, что покупатели также найдут ценность в этих моделях.

С помощью нашей экосистемы мы будем краудсорсингом моделей лучшего качества для вас и ваших вариантов использования. Модели предварительно обучены, и мы покажем производительность, чтобы способствовать прозрачному принятию решений. Если у вас есть магазин AI и вы особенно требовательны к производительности, этот рынок станет хорошей отправной точкой для настройки гиперпараметров. Если у вас нет магазина искусственного интеллекта или модель соответствует вашим стандартам, используйте ее прямо из коробки и легко интегрируйте в свой стек.

Другой аспект нашей платформы - Выбор модели как услуга (MSaaS). По сути, он будет состоять из множества API и инструментов, которые помогут прозрачно принимать решения. Это проистекает из убеждения, что, хотя есть много факторов, которые могут повлиять на ваше решение купить модель на рынке, наиболее фундаментально важным из них действительно должна быть производительность на любых связанных наборах данных. Вот краткий обзор части подмножества функций MSaaS:

Однако это еще не все, что такое MSaaS. Он также включает алгоритм, который был разработан в ходе исследовательского проекта, в котором ожидаемая эффективность валидации обучения алгоритма за определенное количество временных шагов была достигнута чуть более чем за половину времени из-за более точных данных, обслуживаемых моделью. В будущем мы напишем об этом статью, в которой будут обобщены результаты работы (обратите внимание на «Машинное обучение для оптимальной производительности активного однократного обучения») и предоставлена дополнительная информация о MSaaS.

Наша миссия

Мы не строим просто рынок моделей ИИ, мы создаем средства, расширяющие возможности и революционизирующие отношения с ИИ в целом. Хотя мы фокусируемся на улучшении бизнеса и продуктов технологических компаний и независимых разработчиков, мы предвидим будущее, в котором любой: семейный цветочный магазин, пекарня на улице или местный сантехник сможет использовать и интегрировать ИИ, чтобы помочь им делать лучшие бизнес-решения.

Это будет нелегко. Мы будем этим заниматься, но нам нужны единомышленники, вдохновленные люди, которые помогут нам построить эту экосистему и изменить менталитет. Независимо от того, являетесь ли вы разработчиком, компанией или кем-то, кто искренне верит в демократизацию ИИ, нам нужны вы.

Присоединяйтесь к нам.

Посетите наш сайт: https://volantai.org

Подпишитесь на наш список ожидания. Получайте обновления и оставайтесь на связи с нами: https://volantai.org/waitlist

Прокомментируйте и дайте нам знать, что вы думаете об этой статье! Поделись с друзьями и семьей! Наша надежда - вызвать разговоры.

Социальные сети (подписывайтесь на нас!)

linkedin: https://linkedin.com/company/volant-ai

facebook: https://www.facebook.com/VolantAIMarketplace

twitter: https://twitter.com/ai_volant

Ссылки