ホームページ > 記事 > テクノロジー周辺機器 > LLVM の父 Chris Lattner 氏: AI インフラストラクチャ ソフトウェアを再構築する必要がある理由
かつて人々が思い描いたAIのビジョンはとても美しいものでしたが、現状は満足できるものではありません。 AI は、自動運転や新薬の研究開発などの日常的な用途では、当初の予測を実現できていません。共通の不満は、世界的なテクノロジー巨人が多数の最も賢い頭脳を結集させているにもかかわらず、依然として正確な広告や広告に重点を置いているということです。信用スコアリングや、それほどスマートではない「スマート」スピーカーでも。
理論的には、正しいアルゴリズムと十分なコンピューティング リソースが存在する限り、AI は利用可能なあらゆるデータによって表されるすべての問題を解決できます。データ、アルゴリズム、ハードウェア リソースが十分に豊富になった現在、AI は社会に利益をもたらすために使用できます。 . すべての条件が満たされています。 AI の広範な応用と初期の効果を見てきましたが、実際には、このテクノロジーは深く応用されておらず、既存の機械学習研究の可能性を最大限に活用するには程遠いです。
なぜこのようなことが起こるのでしょうか?事実は、世界のテクノロジー大手やメディアによる AI に関する最新の研究アップデートよりも奥深いものです。 コンパイラーの専門家である Chris Lattner 氏は、AI システムとツールの単一性と断片化がこの問題の根本原因であると指摘しました。 この問題を解決するために、2022 年 1 月、コンパイラーの専門家である Chris Lattner 氏は、海外でビジネスを開始し、Tim Davis 氏と Modular AI を共同設立すると発表しました。目標は、以下を含むグローバルな ML インフラストラクチャを再構築することです。コンパイラとランタイム、異種コンピューティング、エッジからデータセンターまで同様に注意を払い、開発者の効率を向上させるために可用性を重視します。現在、Modular AI チームは、TensorFlow、TF Lite、XLA、TPU、Android ML、Apple ML、MLIR などによる世界のほとんどの実稼働機械学習インフラストラクチャの構築に参加し、数十億のユーザーと機器に実稼働ワークロードをデプロイしています。 。
最近、Modular AI は、Google Venture 主導による 3,000 万米ドルのシードラウンドの完了を発表しました。 Chris Lattner らによって公開された最新の公式ブログ投稿で、彼らは「魂への 3 つの質問」を発表しました。AI は非常に重要ですが、ソフトウェアはなぜこれほど悲惨なのでしょうか?なぜテクノロジー大手は AI のパズルを解決しないのでしょうか?この問題を解決するにはどうすればよいでしょうか?もちろん、彼らも答えてくれました。 OneFlow コミュニティがオリジナルのテキストを編集および整理しました。
1 AI は非常に重要ですが、ソフトウェアはなぜこれほど悲惨なのでしょうか?
この種のソフトウェアは、大手テクノロジー企業が自社の問題を解決するために構築しており、他の企業はそれを「トリクルダウン」インフラストラクチャで使用しています。その結果、企業のニーズが大規模テクノロジー企業の内部ニーズと高度に一致している場合にのみ、最大かつ商業的に最も影響力のある AI アプリケーションのみが実際に構築および展開されます。 ######どうしてこれなの?現在の AI ソフトウェアは非常にシンプルで研究要素が強いため、主にテクノロジー大手 (これらのソフトウェアの開発者) の開発計画を満たすために使用されています。これらのソフトウェアは研究者が研究を行うために作成したものであり、AI の急速な発展により、研究者には立ち止まって再構築する時間がありません。
代わりに、時間の経過とともに、ますます複雑さが増し、業界が研究、生産、トレーニング、およびデプロイメント、サーバー、エッジ。
人工知能システムは現在、互換性のないテクノロジーの広大な海となっており、目標を達成するために AI を使用できる能力を持っているのは、総合テクノロジーの巨人だけです。
2 なぜテクノロジー大手は AI の問題を解決しないのでしょうか?
AI 研究者と開発者は AI の導入を成功させるために協力しており、ハイテク大手は膨大なコンピューティング リソースと財務リソースを活用して、自社のクラウド、電話、ソーシャル ネットワーキング、人工知能などの製品や中核的なビジネスの優先事項を推進しています。ハードウェア。
大手企業が人工知能の開発に多大な貢献をしてきましたが、人工知能がその可能性を最大限に発揮するには、独自のハードウェア、クラウド インフラストラクチャ、携帯電話を優先する必要のない独立した企業が必要です。開発や独自の研究と同時に、世界中のユーザーや企業の利益にとって最善のことを行う中立的な企業も必要です。 AI ソフトウェアの急速な成長から学んだことを次世代テクノロジーに組み込んで、すべての組織が直面するさまざまな問題に対して使用可能なソリューションと共通の標準を提供する必要があります。
現在、中小規模のテクノロジー企業が直面している最も差し迫った問題は、AI を本番環境に導入するための能力、コスト、時間、人材の制限をどのように打破するかということです。
機会費用を考慮すると、革新的な技術を市場に導入することが難しく、製品エクスペリエンスが劣悪になり、最終的には開発に悪影響を及ぼします。社会全体にとって、これは、AI が世界最大の問題のいくつかを解決できるようになるまで、まだかなりの時間を待たなければならないことを意味します。
テクノロジー大手がトリクルダウン AI ソフトウェアを展開するのを待っている時間はありません。 AI は世界を変えることができますが、それは断片化が解決され、世界の AI 開発者コミュニティが高品質のインフラストラクチャに苦労する必要がない場合に限られます。
Modular は、より実用的で、より高速で、より柔軟な次世代 AI 開発者プラットフォームを構築しています。
当社のプラットフォームは、共通のインターフェイスを通じて一般的な AI フレームワークのフロントエンドを統合し、さまざまなハードウェア バックエンドやクラウド環境へのアクセスと移植性を強化します。私たちは、より表現力豊かで、使いやすく、デバッグ可能で、信頼性があり、スケーラブルで、パフォーマンスが高いものとなるよう、コアの開発者ワークフロー ツールを再構築しています。当社のツールは既存のワークフローに簡単に導入できるため、ユーザーはコードのリファクタリングや書き換えを行わずに作業をシームレスに完了でき、低コストで生産性とパフォーマンスの向上を実現できます。私たちは AI の価値の探求を加速し、大多数のユーザーに利益をもたらすためにできるだけ早く市場に投入します。
AI がより微妙な方法でさまざまなアプリケーションに浸透できるようになると、その可能性が最大限に発揮されます。その頃には、AI を中心にアプリケーションを定義する必要はなくなります。当社のプラットフォームは、さまざまなユースケースを実装するために再配置および拡張できる、モジュール式の構成可能なインフラストラクチャ コンポーネントから構築されています。同時に、さまざまな分野の専門家が、システム全体の仕組みを理解していなくても、当社のプラットフォームを通じてイノベーションを起こすことができます。私たちは、モジュール型のアプローチが、これまで思いつかなかった新しいユースケースをどのように解き放つことができるかを直接見てきました。
AI インフラストラクチャを真に修復するには、「困難な技術的」問題 (異種コンピューティング テクノロジのコンパイラなど) を解決するだけでなく、シームレスなエンドツーエンドの開発者ワークフローを確立する必要があります。
私たちの成功は、世界中の開発者が真に使いやすく、ポータブルでスケーラブルな AI ソフトウェアにアクセスできることを意味します。
新しい世界では、十分な予算や優秀な人材が不足している開発者も、世界的なテクノロジー巨人と同じくらい効率的に作業できるようになり、AI ハードウェアの効率と総所有コスト (TCO) が改善され、企業は簡単に最適化を行うことができます。ユースケースに合わせてカスタム ASIC をプラグインする; サーバーに展開するのと同じくらい簡単にエッジに展開する; 企業はニーズに最適な AI フレームワークを使用できる; AI プログラムはハードウェア上でシームレスに拡張できる; 最新の AI 研究を本番環境に展開することはできなかったもっと簡単に。
AI 業界の発展は、テクノロジー大手が自らのニーズに応じて決定したスケジュールによってもはや制限されなくなり、AI 業界の発展はより速く、より集中的に行われるようになるでしょう。 ; イノベーションはスタックのあらゆるレベルで活況を呈し、開発者は自分の専門分野で新しいイノベーションを市場に投入し、私たち全員にとってより良い未来を構築することに重点を置いています。業界は急速なペースで発展しており、私たちを「」から導きます「AI研究の時代」から「AI生産の時代」へ。
以上がLLVM の父 Chris Lattner 氏: AI インフラストラクチャ ソフトウェアを再構築する必要がある理由の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。