הסטארטאפ הישראלי Deci מגייס 9.1 מיליון דולר כדי שה-AI יבנה וישפר את ה-AI

ב-Deci טוענים ש-CPU עם האופטימיזציה מבוססת ה-ML של החברה מתקרב לביצועים של GPU. המשמעות: חסכון עצום של משאבים ועלויות

זה לא סוד שבעשור האחרון עולם הטכנולוגיה נע לכיוון יישומי AI ולמידה עמוקה בכל תחומי הפעילות השונים. אבל הבעיה העיקרית ביישומי ML למשל היא המשאבים העצומים שהיא דורשת ובראשם מעבדים גרפיים (GPU) עתירי ביצועים, שעלותם גבוהה מאוד. הסטארטאפ הישראלי Deci מפתח פלטפורמה מבוססת בינה מלאכותית (AI) המסוגלת ליצור אוטומטית רשתות נוירונים עמוקות מהירות במיוחד, המוכנות להטמעה מיידית במגוון רחב של אפליקציות מסחריות מתקדמות.

נעזרים ב-AI, כדי לשפר את ה-AI

פיתוחים טכנולוגיים בתחום ה-AI מונעים בעיקר על ידי טכנולוגיית למידה חישובית של רשתות נוירונים עמוקות הנקראת ״למידה עמוקה״ (deep learning) והם כבר נמצאים בשימוש בתחומים רבים כמו דיאגנוסטיקה רפואית, שליטה ובקרה על פסי ייצור, נהיגה אוטונומית, תקשורת וקמעונאות. עם זאת, תחום הלמידה העמוקה מאופיין בתקופות פיתוח ארוכות; עלויות מיחשוב גבוהות – עקב הצורך במערכי GPU יקרים; וביצועי זמן ריצה בלתי מספקים.

הסטארטאפ הישראלי Deci (דסי) נעזר ב-ML עצמה, כדי לבנות ולעשות אופטימיזציה אוטומטית לרשתות נוירונים, כך שיהיו יעילות יותר ומתאימות להפעלה מיידית בקנה מידה נרחב. על פי החברה, השימוש בפלטפורמת הלמידה העמוקה שלה, מאפשר למפתחים בתחום ה-ML להשיג שיפורי ביצועים עד פי עשרה למודלים שבנו עבור כל משימה, בין אם מדובר בראייה ממוחשבת, עיבוד והבנת שפה טבעית או שמע.

בפועל, הפלטפורמה של Deci נעזרת בבינה מלאכותית, כדי לתכנן מחדש רשתות נוירונים וכדי למקסם את ביצועי זמן הריצה שלהן – תוך שמירה על רמת הדיוק. כך ניתן להשיג ביצועים טובים יותר על גבי כל חומרה, לרבות מעבדים סטנדרטיים, מאיצי GPU ו-FPGA, כמו גם  שבבי בינה מלאכותית ייעודיים למכשירי קצה וטלפונים סלולריים. הטכנולוגיה של החברה הוגשה לרישום פטנט.

מקור: D

CPU יתקרב לביצועים של GPU

בשיחה עם גיקטיים מספר יונתן גייפמן, מנכ”ל Deci ואחד ממייסדי החברה שטכנולוגיית ההאצה האלגוריתמית של החברה היא ייחודית בכך שהיא מתאימה רשתות נוירונים לחומרת היעד שלהן, מה שמאפשר למעשה לאופטימיזציה ולביצועי האצה יוצאי דופן. גייפמן מוסיף כי הגידול המהיר במורכבות ובגיוון המודלים המבוססים על רשתות נוירונים מקשה על חברות להגיע לרמות הביצוע הנדרשות: “אנו הבנו שהאסטרטגיה המיטבית לבניית מערכות כה מורכבות, היא לרתום את הבינה המלאכותית עצמה כדי להתמודד עם אתגר זה, ובכך לאפשר לכל העוסקים בתחום לפתור ולמסחר את בעיות הבינה המלאכותית המורכבות בעולם” מספר גייפמן.

האם בקרוב נוכל להריץ יישומי ML כבדים על CPU?

“כן”.

אז האם הפיתוח שלכם מייתר למעשה GPU בתהליך?

“הטכנולוגיה שלנו משפרת ביצועים גם של CPU וגם של GPU (וכל מאיץ חומרה אחר), ככה ששניהם –  בתוספת Deci – נהנים משיפורי ביצועים משמעותיים, והפער ביניהם יכול להישמר. לעומת זאת, CPU עם Deci יתקרב בביצועיו ל-GPU בלי Deci”.

ולידציה מהתחרות היוקרתית

בחברה מספרים כי בחודש שעבר הוגשו תוצאות ההסקה (inference) שלה ל-MLPerf, תחרות הבנצ’מרק היוקרתית למדידת ביצועי למידה עמוקה. בהגשה זו התמקדה Deci במספר מעבדים פופולריים של אינטל, והאיצה את מהירות ההסקה של רשת הנוירונים הידועה ResNet פי 11.8 תוך עמידה ביעדי הדיוק של MLPerf. האצה בסדר גודל כזה, על פי החברה, יכולה לצמצם את פערי הביצועים בין מעבדים סטנדרטיים ובין מאיצים ייעודיים כמו GPUs. “זהו צעד משמעותי לקראת מצב המאפשר הרצה של מודלי למידה עמוקה על מיליוני CPUs הזמינים בעלויות נמוכות בכל ענני המיחשוב הגדולים, בשרתים ארגוניים, ובמכשירי קצה כולל לפטופים וטלפונים סלולריים” אומר גייפמן. בשלב הבא מתכננת החברה להגיש גם תוצאות האצה ל-GPUs.

ב-Deci מתגאים שהצליחו להאיץ פי 4.6 ביצועים של מערכת ראייה ממוחשבת של אחד מלקוחותיה. ההאצה הזו הובילה, על פי החברה, להפחתה במספר ה-GPUs הדרושים לביצוע המשימות השונות וכתוצאה מכך לירידה של 78% בעלויות המחשוב.

פרופ’ רן אל-יניב, המדען הראשי של Deci ואחד ממיסדיה הוסיף שבניגוד למרבית האלגוריתמים הקלאסיים ללמידה חישובית, בלמידה עמוקה קל יחסית להשיג דיוק חיזוי גבוה באמצעות שימוש ברשתות נוירונים גדולות במיוחד, בעלות מספר מוגזם של  פרמטרים. “הבעיה היא שרשתות אלו איטיות מאוד ויקרות מידי להפעלה. מנגנון ה-AutoNAC שלנו לומד לבצע חיפוש חכם ומהיר במרחב עצום של רשתות נוירונים על מנת לשפר רשת נוירונים נתונה, ובכך להאיץ משמעותית את זמן החישוב שלה על גבי חומרת המיחשוב הנדרשת, תוך שימור רמת הדיוק של רשת המקור”. לדברי אל-יניב, החישוב הנדרש על מנת לבצע אופטימיזציה כזו אינו ניתן לביצוע יעיל על ידי מומחים אנושיים.

Deci הוקמה במשותף על ידי ד״ר יונתן גייפמן, מומחה ללמידה עמוקה, ביחד עם יזם הטכנולוגיה יונתן אליעל, ורן אל-יניב, חוקר למידה חישובית ופרופסור בפקולטה למדעי המחשב ע״ש הנרי ומרילין טאוב בטכניון. סבב הסיד של החברה בגובה 9.1 מיליון דולר הובל על ידי קרן אימרג’ הישראלית וקרן Square Peg. במשרדי החברה שבגבעתיים מועסקים 17 עובדים והחברה מתכננת להשתמש בכספי ההשקעה כדי לגייס עוד עובדים. החברה לקחה חלק במחזור הראשון של תוכנית Ignite של אינטל.

רוצים לראות איפה החברים שלכם עובדים? רוצים לראות איפה החברים שלכם עובדים? ללוח מיתוג המעסיק גיקטיים אינסיידר לחצו כאן >

יניב אביטל

עורך אתר גיקטיים. יש לכם רעיון לכתבה? טיפ סודי? הדלפה? מחכה לכם ב-yaneev@geektime.co.il

הגב

1 תגובה על "הסטארטאפ הישראלי Deci מגייס 9.1 מיליון דולר כדי שה-AI יבנה וישפר את ה-AI"

avatar
Photo and Image Files
 
 
 
Audio and Video Files
 
 
 
Other File Types
 
 
 

* היי, אנחנו אוהבים תגובות!
תיקונים, תגובות קוטלות וכמובן תגובות מפרגנות - בכיף.
חופש הביטוי הוא ערך עליון, אבל לא נוכל להשלים עם תגובות שכוללות הסתה, הוצאת דיבה, תגובות שכוללות מידע המפר את תנאי השימוש של Geektime, תגובות שחורגות מהטעם הטוב ותגובות שהן בניגוד לדין. תגובות כאלו יימחקו מייד.

סידור לפי:   חדש | ישן | הכי מדורגים
רשתות בינאריות
Guest
רשתות בינאריות

יפה מאוד – עלו והצליחו

wpDiscuz

תגיות לכתבה: