Подтвердил успех Fast.ai тест производительности DAWNBench, разработанный в Стэнфорде. Он использует стандартную задачу по классификации изображений для определения скорости обучения алгоритмов и сопоставляет потраченное время со стоимостью вычислительных мощностей. Предыдущим чемпионом была команда Google, но студенты Университета Сан-Франциско смогли побить их примерно на эквивалентном «железе», сообщает MIT Technology Review.  

«Выдающиеся результаты — не прерогатива больших компаний», — убежден Джереми Ховард, один из основателей стартапа, который вместе с Рейчел Томас создал Fast.ai для демократизации ИИ.

Алгоритм Fast.ai работал на 16 виртуальных узлах Amazon Web Service, каждый с восемью графическими процессорами Nvidia V100, и смог обучить Imagenet с точностью 93% всего за 18 минут. Для такой скорости это новый мировой рекорд. Стоимость вычислительных мощностей составила около $40. Ховард говорит, это на 40% лучше, чем достижение Google, хотя признает, что сравнение нельзя назвать полностью корректным.  

Успех Fast.ai, как следует из объяснений в блоге, стал следствием ряда простых шагов, о которых многие разработчики даже не задумываются. Например, разработчики позаботились о правильной обрезке изображений из банка данных.

Не только алгоритмы глубокого обучения способны показывать выдающиеся результаты. Недавно французские ученые доказали, что эволюционный алгоритм может так же успешно обыгрывать человека в аркадные видеоигры.