توسع Google أدوات TensorFlow مفتوحة المصدر لتطوير التعلم الآلي المتسارع

أخبار الذكاء الاصطناعي (AI) الكبيرة في Google I / O اليوم هي إطلاق نموذج اللغة الكبيرة PaLM 2 الخاص بالشركة ، ولكن هذا ليس خبر الذكاء الاصطناعي الوحيد في هذا الحدث.

تقوم الشركة أيضًا بطرح سلسلة من تحديثات وتحسينات تقنية التعلم الآلي مفتوحة المصدر (ML) للنظام البيئي المتنامي TensorFlow. TensorFlow هو جهد تقني مفتوح المصدر بقيادة Google يوفر أدوات تعلم الآلة لمساعدة المطورين على بناء النماذج وتدريبها.

أطلقت Google تقنية DTensor الجديدة في Google I / O. تجلب هذه التقنية تقنيات التوازي الجديدة لتدريب تعلم الآلة ، مما يساعد على تحسين تدريب النموذج وكفاءة القياس.

هناك أيضًا إصدار معاينة لـ TF Quantization API ، والذي يهدف إلى المساعدة في جعل النماذج أكثر كفاءة في استخدام الموارد بشكل عام وبالتالي تقليل تكلفة التطوير.

جزء أساسي من نظام TensorFlow البيئي هو مجموعة Keras API ، والتي توفر مجموعة من قدرات التعلم العميق القائمة على لغة Python بالإضافة إلى تقنية TensorFlow الأساسية. تعلن Google عن زوج من أدوات Keras الجديدة: KerasCV لتطبيقات رؤية الكمبيوتر (CV) ، و KerasNLP لمعالجة اللغة الطبيعية (NLP).

قال Alex Spinelli ، نائب رئيس Google لإدارة المنتجات للتعلم الآلي ، لـ VentureBeat . “بالتأكيد ستبني Google ذكاءً اصطناعيًا و ML رائعًا ومدهشًا في منتجاتها ، لكننا نريد أيضًا أن نخلق نوعًا من المد الصاعد الذي يرفع جميع السفن ، لذلك نحن ملتزمون حقًا بإستراتيجياتنا مفتوحة المصدر ، وتمكين المطورين على نطاق واسع.”

يظل TensorFlow بمثابة “مركز العمل” للتعلم الآلي في Google

في عصر كانت فيه نماذج اللغات الكبيرة (LLMs) شديدة الغضب ، أكد Spinelli أنه الآن أكثر أهمية من أي وقت مضى أن يكون لديك أدوات تدريب ML المناسبة.

قال: “لا يزال TensorFlow حتى يومنا هذا العمود الفقري للتعلم الآلي”. “إنها لا تزال … البنية التحتية الأساسية الأساسية [in Google] التي تدعم الكثير من تطورات التعلم الآلي الخاصة بنا “.

ولهذه الغاية ، ستوفر تحديثات DTensor المزيد من “القوة الحصانية” مع استمرار نمو متطلبات تدريب ML. يقدم DTensor المزيد من إمكانيات التوازي للمساعدة في تحسين تدريبات سير العمل.

قال Spinelli أن ML بشكل عام أصبح أكثر جوعًا للبيانات وموارد الحساب. على هذا النحو ، من المهم للغاية إيجاد طرق لتحسين الأداء من أجل معالجة المزيد من البيانات لتلبية احتياجات النماذج الأكبر بشكل متزايد. ستوفر تحديثات Keras الجديدة مزيدًا من القوة ، مع مكونات معيارية تتيح للمطورين في الواقع بناء رؤية الكمبيوتر الخاصة بهم وقدرات معالجة اللغة الطبيعية.

ستأتي المزيد من القوة إلى TensorFlow بفضل تقنية JAX2TF الجديدة. JAX هو إطار عمل بحثي للذكاء الاصطناعي ، يُستخدم على نطاق واسع في Google كمكتبة حوسبة ، لبناء تقنيات مثل روبوت الدردشة Bard AI. مع JAX2TF ، ستصبح النماذج المكتوبة بلغة JAX الآن أكثر سهولة في الاستخدام مع نظام TensorFlow البيئي.

قال: “أحد الأشياء التي نشعر بالحماس حيالها حقًا هو كيفية وصول هذه الأشياء إلى المنتجات – ومشاهدة مجتمع المطورين يزدهر”.

PyTorch مقابل TensorFlow

بينما TensorFlow هو العمود الفقري لجهود Google ML ، فهي ليست مكتبة تدريب ML مفتوحة المصدر الوحيدة.

في السنوات الأخيرة ، أصبح إطار عمل PyTorch مفتوح المصدر ، الذي تم إنشاؤه في الأصل بواسطة Facebook (الآن Meta) ، شائعًا بشكل متزايد. في عام 2022 ، ساهمت Meta في PyTorch في مؤسسة Linux ، وأنشأت مؤسسة PyTorch الجديدة ، وهي جهد لأصحاب المصلحة المتعددين مع نموذج حوكمة مفتوح.

قال Spinelli أن ما تحاول Google القيام به هو دعم اختيار المطور عندما يتعلق الأمر بأدوات ML. كما أشار إلى أن TensorFlow ليس مجرد إطار عمل ML ، بل هو نظام بيئي كامل من أدوات ML التي يمكن أن تساعد في دعم التدريب والتطوير لمجموعة واسعة من حالات الاستخدام وسيناريوهات النشر.

قال سبينيلي: “هذه هي نفس مجموعة التقنيات ، بشكل أساسي ، التي تستخدمها Google لبناء التعلم الآلي”. “أعتقد أن لدينا عرضًا تنافسيًا حقًا إذا كنت تريد حقًا بناء أنظمة عالية الأداء على نطاق واسع وتريد أن تعرف أنها ستعمل على جميع البنى التحتية في المستقبل.”

هناك شيء واحد لن تفعله Google على ما يبدو وهو اتباع نهج Meta وإنشاء مؤسسة TensorFlor Foundation مستقلة.

قال سبينيلي: “نشعر براحة تامة بالطريقة التي تم تطويرها اليوم والطريقة التي تدار بها”. “نشعر براحة تامة بشأن بعض هذه التحديثات الرائعة التي نصدرها الآن.”