Автор: Суджит Рави

SliceX AI — компания, специализирующаяся на искусственном интеллекте, чья миссия заключается в том, чтобы сделать искусственный интеллект нового поколения общедоступным. Мы создаем интеллектуальный механизм следующего поколения, который позволит компаниям любого размера и разработчикам по всему миру получить собственную часть ИИ нового поколения и применить ее к любой вертикали и варианту использования. С его инновационной платформой машинного обучения каждый может дополнить свои продукты передовыми решениями ИИ по низкой цене, легко настроить и развернуть автоматизированные интеллектуальные решения в течение нескольких минут, а также удобно запускать их в частном порядке на любом оборудовании — от облака до персональных ноутбуков, мобильных устройств. устройства, умные домашние помощники и многое другое.

🚀 SliceX AI запускается сегодня! 🚀

Я очень рад поделиться первой из многих инноваций, которые мы создаем здесь, в SliceX AI! Мы рады объявить о выпуске нашего первого продукта, SliceX AI™ Cloud Public API, и делаем его доступным для разработчиков и предприятий во всем мире.

Используйте SliceX AI API для анализа, обоснования, ответа, встраиванияилисоздания контент для бизнес-аналитики и приложений для разработчиков в любой отрасли.

  • Получите доступ ко всему этому с беспрецедентной скоростью и возможностями.
  • С легкостью запускайте свое приложение на любом устройстве в облаке или Edge.

Приходите попробовать один из самых быстрых, экономичных и частных движков искусственного интеллекта в мире.

🚀 Grab your slice of AI now to supercharge your applications on the Cloud and Edge!
Start for free: https://slicex.ai/GetStarted

Обо мне и моем путешествии с искусственным интеллектом

Привет! Я основатель и генеральный директор SliceX AI, компании, занимающейся искусственным интеллектом следующего поколения. Ранее я основал и возглавлял несколько команд машинного обучения и НЛП, а также усилия в Google AI и Amazon Alexa, охватывая мультимодальный диалоговый AI, масштабировать технологии полууправляемого обучения, графического и глубокого обучения и машинного обучения на устройстве для продуктов, которыми пользуются миллиарды людей в Поиске, Рекламе, Ассистенте, Gmail, Фото, Android, Облако и YouTube. В Google я изобрел и внедрил такие технологии машинного обучения, как Smart Reply для диалогового ИИ; Поиск в Интернете и изображениях; Обучение на устройстве в Android и Ассистенте; Нейронно-структурированное обучение в TensorFlow; Learn2 Compress для Google Cloud; TensorFlow Lite для периферийных устройств, среди прочего. Технологии, которые я создал, в настоящее время используются в продуктах, которыми пользуются миллиарды людей на миллиардах устройств. Вот некоторые из них:

  • Одна из первых в отрасли платформ триллионного графового машинного обучения и нейронных графических машин — глубокие нейронные сети, способные обучаться на структурированных и неструктурированных данных в любом масштабе с эффективным использованием данных.
  • Одна из первых нейронных сетей, разговорная система искусственного интеллекта, обученная автоматически создавать контент на основе контекста в сообщениях электронной почты и чата и помогать миллиардам пользователей в решении задач повышения производительности.
  • Нейронные сети на устройстве, способные выполнять логические выводы напрямую на устройствах Edge для приложений языка и восприятия.
  • Мультимодальные нейронные сети, способные анализировать визуальные (изображения/видео) и языковые (текстовые) входные данные и делать прогнозы для таких приложений, как суммирование видео, мультимодальный диалоговый ИИ и т. д.

Последние тенденции и проблемы ИИ

За последние несколько лет произошел взрывной рост программной автоматизации (с помощью ИИ) в облаке и увеличение числа подключенных устройств на периферии, от устройств умного дома до персональных вычислительных устройств.

Мы наблюдаем новую волну достижений в возможностях понимания языка с помощью ИИ с появлением моделей Transformer, таких как BERT, GPT-3 и других больших языковых моделей. При минимальной подсказке эти увеличенные модели продемонстрировали впечатляющие результаты в создании контента, похожего на человеческий, и помощи людям в таких задачах, как обобщение, копирайтинг, автоматизация электронной почты, рассказывание историй и даже генерация кода для парного программирования.

Несмотря на значительный прогресс, достигнутый ИИ в автоматизации многих задач, он также привел к беспрецедентным проблемам, таким как конфиденциальность, взрыв данных, эффективность и затраты (капитал + инженерные усилия) для компаний, которые хотят использовать и развертывать прогнозную аналитику на основе ИИ в производстве. .

Учитывая ошеломляющую вычислительную мощность и стоимость, необходимые для развертывания передового ИИ в производстве, неудивительно, что большая часть недавнего прогресса в области ИИ была обусловлена ​​и ограничена крупными технологиями и крупными компаниями, которые имеют много ресурсов в своих руках. утилизация. Более того, современные системы искусственного интеллекта приводят к значительному потреблению энергии и углеродному следу, что негативно влияет на климат.

Я считаю, что сейчас самое подходящее время для смены парадигмы на будущее.

Наша мотивация: что нужно для создания интеллектуального ИИ?

Текущей тенденцией в отрасли является масштабирование, т. е. выделение большего количества ресурсов (т. е. большего объема вычислений и данных) для решения проблемы. Было бы выгоднее и дешевле 💰, если бы вместо этого мы могли количественно оценить и понять требования, необходимые для выполнения задач с использованием ИИ.

Нейронные сети — это мощные аппроксиматоры функций, где задача автоматизации может рассматриваться как функция, которую нейронная сеть (или модель машинного обучения ) пытается аппроксимировать или смоделировать. Итак, что нужно, чтобы приблизительно приблизиться к интеллекту, необходимому для выполнения различных задач на человеческом уровне или выйти за его пределы?

Когда я работал над докторской диссертацией, одна из тем исследования моей диссертации была посвящена разработке теории дешифрования для понимания естественного языка. Вдохновленные известными работами Шеннона по теории информации, мы смогли математически определить энтропию языка и ответить на следующие вопросы:

Сколько информации нужно, чтобы построить интеллектуальную модель, способную решить задачу на естественном языке?

Каковы требования к емкости для такой модели (ИИ) или семейства моделей?

Это сложные вопросы, но на них можно ответить (математически) для простых и средних задач — даже для таких задач, как языковой перевод, как мы показали в нашей работе. Было бы интересно расширить это еще дальше и изучить Что нужно для создания интеллектуальных моделей ИИ, которые могут достичь уровня интеллекта человека или выйти за его пределы? Более современный вопрос: выяснить, как создавать интеллектуальные модели ИИ для решения проблем и автоматизации задач, которые существуют сегодня и в ближайшем будущем.

Мы можем попытаться задействовать все вычислительные ресурсы мира для решения проблемы… или мы можем создать более эффективные машины и алгоритмы, которые смогут эффективно использовать наши вычислительные ресурсы для достижения высокого уровня универсальности и гибкости. В любом случае, лишь горстка таких компаний, как Big Tech и несколько других, имеют средства для опробования стратегий, подобных первой. Тем не менее, остальной мир не должен ждать, пока большое количество высокопроизводительных графических процессоров и TPU станет доступным товарным оборудованием, таким как ноутбуки или iPhone, чтобы они могли создавать и обучать ИИ для своих приложений. Часто программирование этих высокопроизводительных аппаратных устройств и развертывание их в производстве занимает даже больше времени, чем разработка алгоритма, модели или данных, необходимых для решения исходной задачи. Есть бесчисленное множество таких примеров из технологической отрасли, включая новейшие системы нейронных сетей, где инженерам потребовалось от нескольких месяцев до нескольких лет, чтобы технология заработала в производстве.

Глядя на это с другой точки зрения … мы предпочитаем использовать наши суперкомпьютеры / передовые вычислительные центры и сжигать драгоценные энергетические ресурсы для таких приложений, как (а) открытие лекарств или (б) ИИ, который автозаполняет? электронная почта? … Так не должно быть!

SliceX AI — новая вычислительная парадигма на базе искусственного интеллекта

Я запустил SliceX AI с амбициозным видением решения этих проблем и предоставления возможностей искусственного интеллекта следующего поколения для всех и везде. Мы надеемся проложить путь и сотрудничать с другими в этом путешествии. Мое видение нашего будущего состоит в том, чтобы заложить фундамент и помочь создать новую парадигму вычислений на основе ИИ, где мы сможем

Превратите каждое вычислительное устройство в машину с искусственным интеллектом на благо пользователя… и сделайте его таким же простым в использовании, как в Интернете стало легко ориентироваться для людей по всему миру.

Отклоняясь от популярной сегодня дихотомии взглядов на то, должен ли ИИ быть ориентированным на модель или ориентированным на данные, мы в SliceX AI применяем сквозной подход к создание искусственного интеллекта и использование преимуществ тройного эффекта — ориентация на модель, ориентация на данные и ориентация на пользователя.

Взгляд на то, что вы можете сделать с помощью SliceX AI?

Наш первый продукт, SliceX AI™ Cloud Public API, делает ИИ нового поколения быстрым, экономичным, простым в обучении и развертывании на всех устройствах и в разных сценариях использования для всех. Также ознакомьтесь с разделом SliceX AI™ Edge.

Наши инновации и прорывы (например, достижение улучшений на несколько порядков по сравнению с существующими системами машинного обучения) были вдохновлены кембрийским прогрессом, который мы наблюдали в Интернете и современных вычислительных архитектурах (закон Мура).

Приходите попробовать один из самых быстрых, экономичных и частных движков искусственного интеллекта в мире.

🚀🚀🚀 Получите свой кусочек ИИ прямо сейчас, чтобы ускорить работу своих приложений в облаке и на периферии! https://slicex.ai/GetStarted 🚀🚀🚀

Используйте один из наших предварительно обученных API-интерфейсов SliceX AI готовых, настройте свой собственный ИИ или создайте различные API-интерфейсы SliceX AI для создавать комплексные продуктовые решения. И получите доступ к революционной производительности:

  • 🏎 невероятно быстрое прогнозирование ИИ за микросекунды даже на процессорах или ноутбуках (вы не ослышались!)
  • ⚙️ Обучение ИИ за минут
  • 🔐 встроенная конфиденциальность
  • 💰📉📉📉 снижение стоимости,
  • 📈 увеличение (или уменьшение) для ваших нужд без особых усилий
  • 🌿 высокая эффективность и 🌎 низкий углеродный след
  • 🖥 развернуть на любом устройстве в облаке или Edge
  • 🤝 простая настройка

  • Хотите узнать больше об искусственном интеллекте SliceX, посетите https://slicex.ai/» или свяжитесь с нами по адресу [email protected]», чтобы поговорить о бизнесе вашего предприятия. потребности.
  • Начните бесплатно с общедоступным API SliceX AI здесь!
  • Карьера. Мы — растущая команда замечательных людей, которые изобрели и запустили Smart Reply, TensorFlow Lite, Graph ML и многие другие передовые технологии машинного обучения, которыми пользуются миллиарды людей на миллиардах устройств. Хотите присоединиться? Посетите https://slicex.ai/Careers, чтобы узнать больше или связаться с нами.

Мы только начинаем!

Подпишитесь на нас в LinkedIn и Twitter, а также не забудьте захватить и поделиться своим кусочком ИИ 📣📣📣