В РФ разработали метод снижения затрат на обучение распределенных систем ИИ
Исследователи из России разработали методику, которая позволяет значительным образом ускорить обучение распределенных и федеративных моделей машинного обучения, а также сократить расход вычислительных ресурсов, необходимых для обмена данными между узлами системы в процессе обучения. Об этом сообщила пресс-служба Сбера.
Новый метод для обучения распределенных и федеративных нейросетей был разработан группой российских исследователей из Сбера, МФТИ, Института системного программирования РАН и «Сколтеха». Он позволяет особым образом сжимать и разбивать данные, которыми обмениваются узлы в распределенной сети вычислительных систем, используемых для обучения крупных моделей искусственного интеллекта.
Как отмечают исследователи, созданный ими метод особенно полезен для решения тех задач машинного обучения, где пропускная способность соединения ограничена, а задержки в передаче данных замедляют процесс тренировки системы. В этом отношении он значительно превосходит уже существующие методы ускорения обучения распределенных и федеративных моделей машинного обучения, использующих лишь один принцип в процессе работы.
По словам исследователей, их разработка найдет применение в компаниях, использующих распределенное обучение, начиная с финансового сектора и заканчивая телекоммуникационной сферой и промышленностью. Метод сокращает затраты на вычислительные ресурсы и ускоряет внедрение ИИ-моделей на практике, а также он открывает путь к более эффективным алгоритмам и более динамичному развитию ИИ-технологий, подытожили ученые.
Источник: ТАСС
Login with Google
Комментарии