Les puces AI de Graphcore ne sont peut-être pas aussi puissantes que les GPU de Nvidia, mais peuvent en avoir pour votre argent

  • FrançaisFrançais



  • En bref Les derniers résultats du consortium de benchmarking MLPerf, traçant les meilleures puces pour entraîner les réseaux de neurones les plus populaires, sont sortis et un nouvel acteur est entré dans le jeu : Graphcore.

    Chaque version de MLPerf est assez standard. Une feuille de calcul tentaculaire enregistre le temps nécessaire à divers systèmes pour former ou exécuter un modèle d’apprentissage automatique particulier ; ces nombres sont soumis par les fournisseurs de matériel.

    Nvidia et Google sont presque toujours en tête du peloton, les derniers résultats ne sont donc pas particulièrement surprenants. Ce qui est différent cette année, c’est que Graphcore a rejoint pour la première fois. C’est bon signe; cela signale que leur technologie arrive à maturité et qu’elle est prête à se comparer publiquement à ses concurrents.

    Bien que les IPU-POD de Graphcore n’aient pas été aussi rapides à former le modèle de vision par ordinateur ResNet-50 et le modèle de langage BERT que le GPU A100 de Nvidia ou les derniers TPU de Google, le matériel de l’entreprise est beaucoup moins cher, il peut donc avoir un avantage en termes de performances par dollar. Les TPU de Google ne sont disponibles que via le cloud.

    Vous pouvez voir les résultats complets ici, et plus sur Graphcore ici depuis notre site partenaire, La prochaine plate-forme.

    Dites adieu à Pepper, le robot

    SoftBank a arrêté de produire son robot humanoïde Pepper et supprime des emplois dans son unité de robotique. Pepper est immédiatement reconnaissable à son corps blanc, avec une tête, deux bras, un torse, le bas du corps sur roues et un écran. Il a à peu près la taille d’un petit enfant et a deux yeux noirs circulaires et un petit sourire sur son visage.

    Lancée en 2014, la machine a été conçue pour effectuer toutes sortes de tâches, telles que l’accueil des clients ou l’affichage d’informations utiles telles que des menus ou des emplacements. Mais il n’a pas été populaire et SoftBank a eu du mal à déplacer les 27 000 unités qu’il a fabriquées. Maintenant, il a décidé d’arrêter complètement de les fabriquer, selon Reuters, et des centaines d’emplois en France, aux États-Unis et au Royaume-Uni ont été supprimés.

    Les expériences de déploiement du robot dans les supermarchés et les bureaux ne se sont pas toujours bien passées. En 2018, un supermarché écossais a licencié Pepper après avoir fait paniquer les acheteurs et leur a souvent dit de chercher “dans la section alcool” des articles sans rapport, a-t-on rapporté.

    La directive éthique de l’Organisation mondiale de la santé sur l’IA

    L’OMS a publié cette semaine un rapport de 165 pages décrivant un cadre d’éthique et de gouvernance pour l’IA dans le domaine de la santé.

    Il est fondé sur six grands principes qui, espère l’organisation, “peuvent garantir que la gouvernance de l’intelligence artificielle pour la santé maximise les promesses de la technologie et tienne toutes les parties prenantes – des secteurs public et privé – responsables et réceptives aux travailleurs de la santé qui s’appuieront sur ces technologies et les communautés et les individus dont la santé sera affectée par son utilisation. »

    Ces six principes sont :

    1. Protéger l’autonomie : Les machines peuvent automatiser des tâches et générer des résultats, mais les humains doivent toujours rester en charge des systèmes et superviser toutes les décisions médicales.
    2. Promouvoir la sécurité et le bien-être humains et la sécurité et l’intérêt public : Assurez-vous que les effets des algorithmes informatiques sont étudiés et réglementés pour s’assurer qu’ils ne nuisent pas aux gens.
    3. Assurer la transparence, l’explicabilité et l’intelligibilité : La technologie doit être compréhensible pour tous ceux qui l’utilisent ou qui en sont affectés, qu’il s’agisse des développeurs, des professionnels de la santé ou des patients.
    4. Favoriser la responsabilité et la reddition de comptes : Comprenez les limites de la technologie de l’IA et où elle peut mal tourner. Assurez-vous que quelqu’un peut être tenu responsable si c’est le cas.
    5. Garantir l’équité et l’inclusivité : L’IA ne doit pas être biaisée ou moins performante en fonction de l’âge, du sexe, du sexe, du revenu, de la race, de l’origine ethnique, de l’orientation sexuelle, etc.
    6. Promouvoir des outils réactifs et durables : Les logiciels d’apprentissage automatique doivent être conçus pour être aussi efficaces que possible en termes de calcul.

    Facebook améliore son ensemble de données de recherche pour aider les développeurs à construire des robots domestiques

    Les corvées sont banales et personne de sensé n’aime vraiment faire la vaisselle ou la lessive. Les humains vont devoir continuer à les faire malheureusement jusqu’à ce que les robots IA deviennent assez agiles et intelligents pour prendre le relais.

    Des tâches simples comme ramasser des tasses, les mettre dans le lave-vaisselle ou dans des placards, peuvent être faciles pour nous, mais elles sont incroyablement difficiles pour les machines. Les roboticiens peuvent rêver de construire l’algorithme ou le réseau neuronal parfait, mais sans aucune donnée d’entraînement, ce ne sera pas bon.

    C’est pourquoi Facebook a publié AI Habitat, un ensemble de données contenant plusieurs simulations de modélisation d’images à l’intérieur des maisons pour aider les développeurs en 2019. Maintenant, il l’a mis à niveau vers Habitat 2.0, qui contient 111 dispositions uniques de pièces en 3D contenant 92 objets, comme tiroirs, tapis, canapés, plantes, fruits, etc.

    Les futurs agents d’IA peuvent être formés pour effectuer une tâche spécifique en simulation afin d’acquérir suffisamment d’expérience avant d’être testés dans des conditions réelles. Ce qui est le plus intéressant, c’est que les robots conçus pour ranger les maisons aux États-Unis fonctionneront probablement différemment dans d’autres pays, où le style des maisons ou des emplois varie.

    « À l’avenir, Habitat cherchera à modéliser les espaces de vie dans davantage d’endroits à travers le monde, permettant une formation plus variée qui prend en compte les agencements de meubles, les types de meubles et les types d’objets spécifiques à la culture et à la région », a déclaré Dhruv Batra. , un chercheur de Facebook.

    Vous pouvez en savoir plus sur l’ensemble de données ici. ®

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *