Эффективность разработки измерялась с помощью тестирования под названием DAWBench от исследователей из Стэнфорда. Оно опирается на два показателя — вычислительную мощность и время, которое занимает анализ данных, а также учитывает два дополнительных показателя — задержку вывода и его стоимость.
«Если изобретение с ИИ не приносит пользу, сам продукт никому не нужен»
Мнения
В предыдущих рейтингах исследователи из Google занимали первые места, особенно в категории для обучения на нескольких машинах. В основном они достигали этого из-за технологии, используя специально созданную коллекцию чипов. Команда fast.ai смогла улучшить их показатели, причем на дешевом оборудовании.
Алгоритм обучили на базе данных ImageNet за 18 минут при общей стоимости вычислений около $40. Один из основателей стартапа Джереми Говард утверждает, что это примерно на 40% лучше, чем технология Google, однако отмечает, что сравнивать их нужно по большему количеству показателей.
«Современные результаты не являются исключительной прерогативой крупных компаний, — отмечает Говард. При этом разработчики в своем блоге перечислили причины, почему их технология оказалась эффективной: к примеру, они смогли научить алгоритм правильно обрезать изображения, чтобы их было проще анализировать. — Это очевидные вещи, которые многие исследователи даже не подумали бы сделать», — добавил он.