Intel Zhang Yu: Edge Computing spielt eine wichtige Rolle im gesamten KI-Ökosystem

[Global Network Science and Technology Reporter Lin Mengxue] Derzeit werden generative KI und große Modelle auf der ganzen Welt immer beliebter. Während der gerade vergangenen Weltkonferenz für künstliche Intelligenz 2023 (WAIC 2023) haben verschiedene Hersteller sogar einen „Hundertfachen Erfolg“ erzielt „„Model War“, nach unvollständigen Statistiken des Organisationskomitees, wurden insgesamt mehr als 30 große Modellplattformen veröffentlicht und vorgestellt, 60 % der Offline-Stände demonstrierten die relevante Einführung und Anwendung generativer KI-Technologie, und 80 % der Teilnehmer diskutierten die Inhalte rund um Großmodelle.

Während der WAIC 2023 glaubte Zhang Yu, leitender Chef-KI-Ingenieur der Intel Corporation und Chief Technology Officer der Network and Edge Division China, dass der Kernfaktor, der die Entwicklung dieser Runde künstlicher Intelligenz vorantreibt, tatsächlich die kontinuierliche Verbesserung von Computer, Kommunikation und ist Speichertechnologien. Im gesamten KI-Ökosystem, egal ob es sich um groß angelegte Modelle oder KI-Fusion handelt, spielt der Edge eine entscheidende Rolle.

Zhang Yu sagte: „Mit der digitalen Transformation der Branche haben die Anforderungen der Menschen an agile Verbindungen, Echtzeit-Geschäfts- und Anwendungsintelligenz die Entwicklung von künstlicher Edge-Intelligenz gefördert Mit anderen Worten: Wir müssen eine große Datenmenge und enorme Rechenleistung verwenden, um ein Modell im Rechenzentrum zu trainieren, und wir übertragen die Trainingsergebnisse an das Frontend aktuelles Nutzungsmodell zur Implementierung künstlicher Intelligenz am Rande“

„Dieses Modell wird zwangsläufig die Häufigkeit von Modellaktualisierungen begrenzen, aber wir haben auch gesehen, dass viele intelligente Branchen tatsächlich Anforderungen an Modellaktualisierungen haben, die sich an verschiedene Straßenbedingungen anpassen und für die Fahrgewohnheiten verschiedener Personen geeignet sein müssen.“ Wenn wir jedoch ein Vorbild in einer Autofabrik trainieren, gibt es oft bestimmte Unterschiede zwischen den verwendeten Trainingsdaten und den beim dynamischen Fahren generierten Daten. Dieser Unterschied wirkt sich auf die Generalisierungsfähigkeit des Modells aus die Fähigkeit, sich an neue Fahrverhaltensweisen anzupassen, müssen wir das Modell kontinuierlich trainieren und optimieren, um diesen Prozess voranzutreiben“, sagte er.

Daher schlug Zhang Yu vor, dass die zweite Stufe der Entwicklung künstlicher Intelligenz die Edge-Trainingsstufe sein sollte. „Wenn wir Edge-Training implementieren wollen, benötigen wir mehr automatisierte Mittel und Tools, um einen vollständigen Entwicklungsprozess von der Datenanmerkung über das Modelltraining bis hin zur Modellbereitstellung abzuschließen. Er sagte, dass die nächste Entwicklungsrichtung der künstlichen Edge-Intelligenz darin bestehen sollte.“ ist selbstständiges Lernen.

Im eigentlichen Entwicklungsprozess steht Edge Artificial Intelligence auch vor vielen Herausforderungen. Nach Ansicht von Zhang Yu gibt es neben den Herausforderungen des Edge-Trainings auch Herausforderungen der Edge-Ausrüstung. „Da der Stromverbrauch, den die bereitgestellte Rechenleistung tragen kann, oft begrenzt ist, stellt die Implementierung von Edge Reasoning und Training mit begrenzten Ressourcen höhere Anforderungen an die Leistung und das Stromverbrauchsverhältnis des Chips.“ Die Fragmentierung von Edge-Geräten ist sehr offensichtlich, und auch die Art und Weise, wie Software zur Migration zwischen verschiedenen Plattformen eingesetzt werden kann, stellt weitere Anforderungen.

Darüber hinaus ist die Entwicklung künstlicher Intelligenz eng mit der Rechenleistung verbunden, und hinter der Rechenleistung steht eine riesige Datenbasis. Angesichts der riesigen Datenbestände ist der Schutz von Daten zu einem heißen Thema bei der Entwicklung künstlicher Kanten geworden Intelligenz. Sobald KI am Rande eingesetzt wird, liegen diese Modelle außerhalb der Kontrolle des Dienstanbieters. Wie schützen wir das Modell zu diesem Zeitpunkt? Und es ist notwendig, gute Schutzwirkungen bei Lagerung und Betrieb zu erzielen. Dies sind die Herausforderungen, denen sich Edge Artificial Intelligence gegenübersieht.

„Intel ist ein Datenunternehmen und unsere Produkte decken alle Aspekte der Datenverarbeitung, Kommunikation und Speicherung ab. Im Bereich Datenverarbeitung bietet Intel eine Vielzahl von Produkten an, darunter CPUs, GPUs, FPGAs und verschiedene Beschleunigungschips für künstliche Intelligenz. , um den Anforderungen der Benutzer gerecht zu werden In Bezug auf große Modelle für künstliche Intelligenz ist beispielsweise das von Intel eingeführte Produkt Gaudi2 das einzige Produkt in der Branche, das eine hervorragende Leistung beim Training großer Modelle zeigt Intel kann die von Entwicklern auf dem offenen Framework für künstliche Intelligenz entworfenen und trainierten Modelle schnell auf verschiedenen Hardwareplattformen bereitstellen, um Inferenzoperationen durchzuführen.“

Das obige ist der detaillierte Inhalt vonIntel Zhang Yu: Edge Computing spielt eine wichtige Rolle im gesamten KI-Ökosystem. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!