Koodittomat koneoppimisen kehitystyökalut

Vuodesta 2021 lähtien korealaiset tutkijat ovat tarjonneet yksinkertaisen ohjelmistokehityskehyksen käyttäjille, joilla on suhteellisen rajallinen tekoälyosaaminen teollisuuden aloilla, kuten tehtaissa, lääketieteessä ja laivanrakennuksessa, mikä on antanut näille aloille merkittävän sysäyksen.

Korealainen Electronics and Telecommunications Research Institute (ETRI) ilmoitti nyt julkaisseensa MLOps-työkalun ydinteknologian avoimen lähdekoodin ratkaisuna GitHubissa. Se luo automaattisesti ilman koodia neuroverkkoja ja automatisoi käyttöönottoprosessin.

Tutkimusryhmä piti 6. marraskuuta neljännen julkisen seminaarin TANGO GitHub -yhteisön laajentamiseksi tiede- ja teknologiakeskuksessa Soulissa.

Target Aware No-code neural network Generation and Operation framework (TANGO) -kehys on teknologia, joka kehittää automaattisesti tekoälyä hyödyntäviä sovellusohjelmistoja ja ottaa ne optimaalisesti käyttöön erilaisissa kohdelaitteistoympäristöissä, kuten pilvessä, Kubernetes-ympäristöissä ja laitteissa.

Kubernetes on paikallinen ympäristö, jossa tehtaat, sairaalat jne. käyttävät turvallisuussyistä omia palvelimiaan tai datakeskuksiaan pilviympäristön sijaan. Tämä tarkoittaa Kubernetesin käyttöönottoa ja hallintaa omassa fyysisessä infrastruktuurissaan (palvelimet, verkot jne.) käyttämättä ulkoisen palveluntarjoajan infrastruktuuria. Kubernetes on avoimen lähdekoodin järjestelmä näiden sovellusten käyttöönottoon ja hallintaan.

ETRIn kehittämä TANGO-kehys sopii hyvin neuroverkkojen käsittelytehtäviin niille toimiala-asiantuntijoille, joilla ei ole laajaa neuroverkko-osaamista. Se on myös helppokäyttöinen, joten se asentuu automaattisesti yksinkertaisella asennuskomennolla ja voidaan suorittaa välittömästi web-käyttöliittymän kautta.

Nykyisessä tekoälysovellusohjelmistojen kehitysmenetelmässä toimialueen asiantuntijat olivat vastuussa datan merkitsemisestä, kun taas ohjelmistokehittäjät hoitivat tekoälymallien kehittämisen ja oppimisen sekä sovellusohjelmiston asennuksen ja suorituksen. Tekoälyteknologian (AI) laajentumisen myötä ohjelmistojen (SW) kysyntä kuitenkin kasvaa kaikilla toimialoilla. Toisaalta tekoäly- ja ohjelmistoasiantuntijoista on pulaa vastaamaan tähän kysyntään.

Näiden ongelmien ratkaisemiseksi ETRI on kehittänyt ja virallisesti julkistanut objektien tunnistukseen optimoidun neuroverkon automaatioalgoritmin, joka vastaa sikäläisen teollisuuskohteiden vaatimuksia.

Erityisesti generatiivisen tekoälyn kehitystä tukevaa LLMOps-työkalua kehitetään välitöntä kaupallistamista varten yhteistyössä Acryl Inc:n kanssa. Acrylin kaupallisen tuotteen Jonathanin lähdekoodi on täysin avoinna GitHubissa, ja siihen lisätään parhaillaan ydinalgoritmeja. Samanaikaisesti luodaan standardoitua käyttöympäristöä toimialakohtaisille generatiivisen tekoälyn sovelluksille.

ETRIn päätutkija Jo Chang Sik sanoi: ”Aiomme laajentaa olemassa olevaa Tango-projektia, joka hyödyntää visioneuroverkkoja, generatiivista tekoälyä tukevien LLMOps-työkalujen alueelle. Jaamme myös tulevaisuudessa kaiken kehitysosaamisemme ja tarjoamme ratkaisuja, joita teollisuus voi kaupallistaa suoraan verifioinnin kautta.”

Aiheesta aiemmin:

Tekoälyä myös teollisuudelle

Tekoäly oppii paljastamaan kiteiden atomirakenteen

Tekoälyn tulevaisuus riippuu laitteistoinnovaatioista