La construcción de modelos utilizables para ejecutar algoritmos de IA requiere no solo datos adecuados para entrenar sistemas, sino también el hardware adecuado para ejecutarlos posteriormente. Pero debido a que lo teórico y lo práctico a menudo no son lo mismo, a menudo existe una brecha entre lo que los científicos de datos pueden esperar hacer y lo que hacen en la práctica. Hoy, una startup llamada asi que que ha construido una plataforma de aprendizaje profundo para ayudar a cerrar esa brecha, mediante la construcción de modelos que pueden funcionar con los datos y el hardware que están disponibles para su uso, está anunciando algunos fondos después de encontrar una fuerte tracción para sus productos con compañías de tecnología Fortune 500 que operan en el mercado masivo. , Productos basados en inteligencia artificial basados en video y otros servicios basados en visión por computadora.
La startup con sede en Tel Aviv ha obtenido una Serie A de $ 21 millones, dinero que utilizará para continuar expandiendo su base de productos y clientes. Insight Partners lidera la ronda, con patrocinadores anteriores Square Peg, Emerge y Jibe Ventures, junto con algunos patrocinadores nuevos: Samsung Next, Vintage Investment Partners y Fort Ross Ventures. Square Peg y Emerge lideraron la ronda semilla de Deci de $ 9.1 millones hace un año. También trabaja muy de cerca con otros que no son inversores estratégicos o financieros (¿pero que bien podrían estar en el futuro?). Intel colaboró con él en MLPerf, donde la tecnología de Deci acelera la velocidad de inferencia de la red neuronal ResNet-50 cuando se ejecuta en CPU Intel.
Hasta ahora, Deci ha centrado su atención en modelos para productos basados en visión por computadora, donde su plataforma, construida sobre su propia tecnología patentada AutoNAC (Automated Neural Architecture Construction), es capaz de construir y actualizar continuamente modelos rápidamente para servicios. que de otra manera habría tomado más tiempo, y mucho ensayo y error, para idear.
Un cliente clave, por ejemplo, es una de las plataformas de videoconferencia más grandes y conocidas del mundo (desafortunadamente, el nombre no se ha revelado) que utiliza Deci para crear modelos de inteligencia artificial para que los usuarios puedan difuminar sus fondos en las videollamadas. Aquí, toda la computación necesaria para ejecutar ese desenfoque ocurre en “el borde”, en los propios dispositivos basados en CPU de los usuarios (es decir, normalmente no optimizados para cargas de trabajo de IA).
Yonatan Geifman, el CEO que cofundó Deci con Ran El-Yaniv y Jonathan Elial (un trío de especialistas en inteligencia artificial), dijo que el plan ahora es comenzar a expandirse de las aplicaciones de visión por computadora a otro desafío, construir mejor NLP (lenguaje natural). modelos, que podría necesitar para ejecutar cualquier tipo de servicio con una interfaz de voz, desde asistentes personales en teléfonos o altavoces inteligentes hasta búsquedas basadas en audio o cualquier tipo de interfaz de servicio al cliente, por ejemplo.
Aunque Deci ha ganado muchos negocios al ayudar a las empresas a abordar el desafío de ejecutar servicios de IA en un panorama de dispositivos que no están necesariamente optimizados para la IA, también ha encontrado mucho interés en las organizaciones para utilizar Deci para construir mejores modelos para su propia computación interna, incluso cuando en teoría tienen las GPU y la potencia de cálculo a mano para ejecutar cualquier cosa. Esto aprovecha un interesante equilibrio de poder que ha existido durante mucho tiempo en la TI empresarial y que se está jugando mucho en la IA actual, donde las empresas intentarán hacer más con los activos que tienen a mano, mientras que al mismo tiempo son presionadas regularmente. invertir más en equipos más nuevos, costosos y potentes.
“Hay una carrera hacia modelos más grandes todo el tiempo”, dijo Geifman en una entrevista, citando el nuevo modelo de lenguaje anunciado a principios de este mes por Nvidia y Microsoft como un ejemplo de esa evolución. “Así que el hardware no es suficiente. En cierto sentido, tal vez esa carrera y ese impulso para invertir en nuevo hardware estén siendo impulsados por los propios fabricantes de hardware, pero los modelos son cada vez más grandes. Existe una brecha entre el algoritmo y el suministro del hardware. Por lo tanto, debemos tener cierta convergencia en función del hardware que tengamos. Deci está salvando o incluso cerrando esa brecha “.
Dado que los datos de entrenamiento adecuados son otro problema perenne en la IA, Deci también está trabajando para impulsar el lado de los datos de la ecuación. Geifman dijo que Deci esencialmente construye conjuntos de datos sintéticos para complementar los datos cuando se necesita más para construir los modelos. En todos los casos, el producto funciona dentro de los entornos de desarrollo de las organizaciones, los datos permanecen donde están y no van a Deci ni a ningún otro lugar en el proceso de construcción de los modelos.
Además de eso, Deci también está utilizando AutoNAC para construir más productos. El más reciente de ellos es DeciNets, que Deci describe como “una familia de modelos de visión por computadora” que esencialmente se salta parte del trabajo de construir modelos desde cero y, por lo tanto, usa menos potencia de cómputo para ejecutarse.
“Deci está a la vanguardia de la inteligencia artificial y la aceleración del aprendizaje profundo, con tecnología altamente diferenciada que permite a los clientes optimizar modelos de aprendizaje profundo increíblemente rápidos para inferencias ajustadas a cualquier plataforma de hardware”, dijo Lonne Jaffe, director gerente de Insight Partners, en un comunicado. “Estamos encantados de ser parte del viaje ScaleUp de Deci y esperamos apoyar el rápido crecimiento de la empresa”. Jaffe se une a la junta con esta ronda.
Source link