كتب : باكينام خالد - وائل الحسينى
أطلقت شركة" ENOT "، المتخصصة في تطوير أدوات تحسين الشبكة العصبية ، تقنية التحسين القائمة على الذكاء الاصطناعي للشبكات العصبية العميقة لمطوري الذكاء الاصطناعي وشركات الذكاء الاصطناعي المتطورة ويأخذ إطار عمل " enot.ai " شبكة عصبية مدربة كمدخلات ، وبعد ذلك يختار شبكة فرعية لديها أقل زمن انتقال ويمكن أن تضمن عدم تدهور الدقة. يحتوي إطار العمل على Python API التي يمكن دمجها بسرعة وسهولة في مختلف خطوط أنابيب التدريب على الشبكة العصبية وتساعد هذه التقنية في تحقيق نسب تحسين متميزة تؤدي إلى تسريع يصل إلى 20 ضعفًا وضغط يصل إلى 25 ضعفًا ، وبالتالي تقليل إجمالي تكاليف موارد الحوسبة (الأجهزة) بنسبة تصل إلى 70٪.
صرح بذلك سيرجي عليامكين ، الرئيس التنفيذي ومؤسس ENOT ، "اليوم ، عندما يتم استخدام الشبكات العصبية على نطاق واسع في الإنتاج والتطبيقات. يجب أن تكون الشبكات العصبية أكثر فعالية من حيث استهلاك الموارد الحسابية وبأسعار معقولة. يجب أن يكون تنفيذها أسرع وأفضل وأرخص للجميع وقال تطبق ENOT تقنية فريدة لاختيار العمارة العصبية التي تتفوق في الأداء على جميع الطرق المعروفة لضغط وتسريع الشبكة العصبية. يحتوي إطار عمل ENOT على واجهة برمجة تطبيقات Python سهلة الاستخدام والتي يمكن دمجها بسرعة وسهولة في مختلف خطوط أنابيب التدريب على الشبكة العصبية لتسريع الشبكات العصبية وضغطها بشكل كبير.
أضاف يسمح للمستخدمين بأتمتة البحث عن بنية الشبكة العصبية المثلى ، مع مراعاة وقت الاستجابة وذاكرة الوصول العشوائي وقيود حجم النموذج لمختلف الأنظمة الأساسية للأجهزة والبرامج. يتيح محرك بحث هندسة الشبكات العصبية في ENOT للمستخدمين العثور تلقائيًا على أفضل بنية ممكنة من بين ملايين الخيارات المتاحة ، مع مراعاة العديد من المعلمات مثل:قرار الإدخال ، عمق الشبكة العصبية ، نوع العملية ، نوع التنشيط ، عدد الخلايا العصبية في كل طبقة وكذلك عرض البت لمنصة الأجهزة المستهدفة لاستدلال NN.
تساعد هذه التقنية العملاء على تحقيق كفاءة كبيرة من خلال توفير التكاليف وإطلاق المنتجات بشكل أسرع ، ويمكن أن تقلل من الوقت اللازم للتسويق ويستهدف إطار عمل ENOT الشركات التي تستخدم الشبكات العصبية على الأجهزة المتطورة ، مثل : إلكترونيات ، الرعاىة الصحية ، النفط والغاز ، القيادة الذاتية ، حوسبة سحابية ، اتصالات ، تطبيقات الموبايل ، إنترنت الأشياء (IoT) بالاضافة الى علم الروبوتات
أكملت ENOT بالفعل أكثر من 20 مشروعًا تجريبيًا بنجاح حيث قامت بتحسين الشبكات العصبية للعديد من عمالقة التكنولوجيا الرائدين من جميع أنحاء العالم ، من بين عشرات الشركات المصنعة للمعدات الأصلية وشركات الذكاء الاصطناعي متوسطة الحجم.
قدمت ENOT تسريعًا بمقدار 13.3 ضعفًا لشبكة عصبية مستخدمة من قبل أكبر ثلاث شركات مصنعة للهواتف الذكية كجزء من عملية تحسين الصورة. أدى التحسين إلى خفض عمق الشبكة العصبية من 16 إلى 11 وخفض دقة الإدخال من 224 × 224 بكسل إلى 96 × 96 بكسل ، ومع ذلك لم يكن هناك أي فقدان في الدقة عمليًا.
قدم مشروع آخر مع نفس الشركة تسريعًا بنسبة 5.1x لشبكة عصبية لتقليل الضوضاء - مرة أخرى مع تغيير غير محسوس تقريبًا في جودة الصورة - على الرغم من أن الشبكة قد تم تحسينها يدويًا بالفعل. بالنسبة للمستخدمين النهائيين ، يُترجم هذا إلى معالجة أسرع وإطالة عمر البطارية بشكل كبير.
