Ученые российской AI-компании Smart Engines придумали, как добиться того, чтобы нейросети показывали более эффективные результаты в работе. Результаты исследования были опубликованы в журнале Mathematics (Q1). Эксперты компании рассказали об этом Hi-Tech Mail.ru.
Разработка уже используется при решении прикладных задач компьютерного зрения — для поиска объектов и распознавания текстов, отмечают специалисты. Она также может стать неотъемлемой частью беспилотных автономных систем нового поколения, расширив класс задач, которые способны выполнять бортовые компьютеры.
Речь идет о прорыве отечественных ученых в области оптимизации исполнения нейронных сетей. В настоящее время нейросети в основном выполняются на специализированных видеокартах, но не каждый компьютер оснащен ими. При этом любое пользовательское устройство имеет центральный процессор, мировым стандартом для которых является использование 8-битных нейронных сетей. Однако глубокие нейронные сети усложняются, содержат сотни миллионов и более коэффициентов, что требуют большей вычислительной мощности. Это ограничивает возможность использования центральных процессоров в системах искусственного интеллекта.
Исследователи Smart Engines решили эту проблему, предложив улучшение 8-битной модели — 4,6-битную сеть. Она работает быстрее 8-битной модели на 40%, но практически не уступает ей по качеству за счет более эффективного использования особенностей центральных процессоров мобильных устройств.
Для этого входные данные и коэффициенты модели квантуются таким образом, чтобы их произведения помещались в 8-битные регистры. Суммирование результатов сделано с помощью двухуровневой системы 16- и 32-битных аккумуляторов для достижения максимальной эффективности. В результате в среднем на одно значение приходится 4,6 бита информации, отмечают специалисты Smart Engines.
Такая схема квантования выгодно отличается от существующих, так как позволяет гибким образом задавать разрядность входных данных в зависимости от задачи и не привязывается к степеням двойки. В итоге разработка обепечивает заметно более высокое качество распознавание, чем, например, 4-битные модели.
«Сегодня задачи компьютерного зрения должны решаться на конечных устройствах — мобильных телефонах, камерах наблюдения, бортовых компьютерах беспилотников. Все эти задачи характеризуются невысокими вычислительными возможностями устройств и существенными ограничениями по энергопотреблению. И наша разработка позволяет почти в полтора раза увеличить возможности решения этих задач. Классические сети в наших системах распознавания уже заменены на 4,6-битные аналоги, и мы продолжаем работу над более оптимальными схемами квантизации и обучения нейронных сетей», — комментирует генеральный директор Smart Engines, доктор технических наук Владимир Арлазаров.
Во всех программных продуктах Smart Engines «тяжелые» нейросети заменены их 4,6-битными аналогами. Решения компании уже используются на рынке. Их применяют 10 из 13 системно значимых банков по версии ЦБ, в том числе Альфа-Банк, ВТБ, Газпромбанк, Тинькофф и другие.
Ранее стало известно, что 82% россиян положительно относятся к ИИ-технологиям.