Die Nutzung von Machine-Learning-Ressourcen am Beispiel von PyTorch
Deep Learning wird in einigen der innovativsten Projekte auf der ganzen Welt verwendet. Dies liegt zum Teil an den hervorragenden Ressourcen, wie PyTorch, die Unternehmen derzeit zur Verfügung stehen.
Deep Learning gewinnt immer mehr an Beliebtheit – und das zu Recht. Die Technologie, die dahintersteckt, ist wahrhaftig erstaunlich. Sie versucht mithilfe von künstlichen neuronalen Netzen die Funktionsweise des menschlichen Gehirns nachzuahmen. Deep Learning gibt es eigentlich schon seit den 1960er Jahren, doch es dauerte noch bis zur Einführung von GPU, bis die Technologie breite Zustimmung fand. Heutzutage wird Deep Learning dafür eingesetzt, mehrere Berechnungen mit großen Mengen an Daten gleichzeitig und mit höchster Genauigkeit durchzuführen.
Was beim Aufstieg der Deep-Learning-Technologie jedoch häufig in den Hintergrund tritt, sind die dahinter stehenden Frameworks und Bibliotheken. PyTorch, eine von Facebook Artificial Intelligence Research (FAIR) entwickelte Bibliothek zum Machine Learning, hat in den letzten Jahren an Dynamik gewonnen. Sie wird sogar in einigen der innovativsten Projekte auf der ganzen Welt verwendet. Disney setzt sie beispielsweise zur Identifizierung von Gesichtern in Zeichentrickserien und Animationsfilmen ein. Airbnb nutzt „Conversational AI“-Tools in PyTorch, um das Kundenerlebnis zu verbessern, während Tesla seine Software für selbstfahrende Fahrzeuge auf PyTorch entwickelt hat. Die Liste ist schier endlos.
In der neuesten Folge von AI & U spricht Mark McQuade mit Randall Hunt, Developer Advocate bei Facebook AI, über Deep Learning und die Verwendung von PyTorch und anderen Lernbibliotheken für Machine Learning.
Hören Sie rein und erfahren Sie mehr über Folgendes:
- Die Arbeit als Developer Advocate
- Die Übernahme von KI-Modellen in die Produktion mit Frameworks und Bibliotheken
- PyTorch – eine auf Open Source basierende KI-Ressource
- Vergleich zwischen PyTorch und Tensorflow
- Anwendungsfälle von PyTorch in verschiedenen Branchen, einschließlich Automotive, dem Gesundheitswesen und der Landwirtschaft
Randall spricht über die Open-Source-Community von PyTorch und die Vielfalt der Mitwirkenden, die hier Beiträge leisten. „Ich finde es besonders gut, dass ich mich ganz auf die Open-Source-Tools konzentrieren kann. Diese Tools sind Lösungen, die wir auch intern verwenden und von denen wir denken, dass sie für die gesamte Community hilfreich sein könnten. Aus diesem Grund geben wir sie also meist als Open Source frei. Einer der deutlichen Vorteile von PyTorch liegt darin, dass es außer Facebook noch viele weitere Mitwirkende gibt. Wichtige Partner wie Nvidia, AWS oder Google tragen erheblich zu der Entwicklung von PyTorch bei, genau wie andere Großunternehmen. Es gibt außerdem auch viele Akademiker, die in den Prozess eingebunden sind, wie die Repräsentanten von Cornell University und anderen Instituten, die stets neue Funktionen ergänzen. Ein Großteil von PyTorch wird also innerhalb der Community erstellt und vorgeschlagen. Wir tragen von unserer Seite aus recht wenig dazu bei. Genau diese Vielfalt und dieser Umfang an Beiträgen zu PyTorch ist ein Phänomen, das ich schon lange nicht mehr beobachtet habe.
Randall erklärt die Bedeutung von Open-Source-Tools in Bezug auf einen verantwortungsvollen Umgang mit KI. „In diesem Bereich wartet noch viel und sehr wichtige Arbeit auf uns. Wir müssen auf den Datenschutz achten und dafür sorgen, dass nur die KI verwendet wird, die die richtige Art von Entscheidungen trifft, sodass keine Teile der Bevölkerung oder bestimmte Klassen in der Gesellschaft unterrepräsentiert sind. Außerdem muss sichergestellt werden, dass KI immer vollkommen verantwortungsvoll genutzt wird. Diese Probleme sind alles andere als banal. Einer der wichtigsten Aspekte in dieser Problematik ist die Verwendung von Tools und aus genau diesem Grund sind die Open-Source-Tools für verantwortungsvolle KI von fundamentaler Bedeutung. Die Arbeit in diesem Bereich muss also unbedingt weitergeführt werden.“
Randall begründet außerdem, warum er KI für so wertvoll erachtet. „Dies ist eine Gelegenheit für uns, die Science-Fiction-Welt real werden zu lassen. Wir können so alle positiven Aspekte, die wir aus der Science-Fiction-Welt kennen, mit der Realität vereinen. Ich finde das hochinteressant. Echter Fortschritt kann nur durch wirkliche Anstrengungen und intensive Nachforschungen entstehen. Genau deswegen denke ich, dass KI so unglaublich wertvoll ist.“
Wert aus NLP und Transformatoren schöpfen
About the Authors
Rackspace Technology Staff - Solve
The Solve team is made up of a curator team, an editorial team and various technology experts as contributors. The curator team: Srini Koushik, CTO, Rackspace Technology Jeff DeVerter, Chief Technology Evangelist, Rackspace Technology The editorial team: Gracie LePere, Program Manager Royce Stewart, Chief Designer Simon Andolina, Design Tim Mann, Design Abi Watson, Design Debbie Talley, Production Manager Chris Barlow, Editor Tim Hennessey Jr., Writer Stuart Wade, Writer Karen Taylor, Writer Meagan Fleming, Social Media Specialist Daniel Gibson, Project Manager
Read more about Rackspace Technology Staff - Solve