Se o pasado día 16 deste mes publicabamos a nova da liberación de SyntaxNet, framework de parser de linguaxe natural construído sobre TensorFlow, coma Open Source por parte de Google Research, hoxe a nova vén pola parte de Amazon quen acaba de anunciar a liberación de Deep Scalable Sparse Tensor Network Engine (DSSTNE) como software libre baixo os termos da licenza Apache versión 2.
DSSTNE é un conxunto de bibliotecas con modelos de Machine Learning (ML) e Deep Learning (DL).
Segundo a análise comparativa feita en Geekwire, DSSTNE pode chegar a ser ate dúas veces máis rápido que TensorFlow en situacións de poucos datos. Esta vantaxe en parte é debida á orientación tomada no deseño de DSSTNE que permite o aproveitamento de granxas de GPUs amosándose como un serio competidor do mencionado TensorFlow no panorama das redes de coñecemento e no aprendizaxe artificial.
Segundo Amazon, lánzase DSSTNE como software de código aberto "para que a promesa de aprendizaxe profunda poida estenderse alén da fala e comprensión da linguaxe e recoñecemento de obxectos a outras áreas, como busca e recomendacións".
Con esto Amazon espera que "os investigadores de todo o mundo poidan colaborar para melloralo estimulando a innovación en moitas outras áreas".
Deste xeito, Amazon segue a tendencia xa analizada por Garntner hai dous anos na súa análise das TI, e xa seguida por outras compañías, no que se concluía que ditas compañías terían que adaptar os seus modelos para compaxinar de forma híbrida aplicacións con licenza libre e aplicacións privativas dentro do software da compañía.
Para que se usa DSSTNE en Amazon
DSSTNE xorde da necesidade de estratexias para facilitar descubrir o produto axeitado a partir dun inmenso catálogo de produtos de Amazon para os centos de millóns de clientes que entran diariamente na tenda de Amazon online.
DSSTNE son o conxunto de rutinas de aprendizaxe profundo e intelixencia artificial nas que se apoian os enxeñeiros de Amazon para implementar esas estratexias. A tecnoloxía subxacente baseése en redes neurais e na distribución da carga de traballo entre nós múltiples nos GPU.
A problemática que aborda con DSSTNE aparece na enorme combinación de variables posibles, o tamaño de catalogo, o número indefinido de posibles buscas a maiores doutro tipo de variables que calquera consulta en Amazon pode xerar para dar respostas personalizadas para un tipo concreto de cliente.
Aínda coa redución do tamaño da rede, limitándose, por exemplo, a unha única categoría de produto e para usuarios dunha zona xeográfica determinada, dita problemática tamén forza os límites das actuais GPUs elevando a cálculos de ate 8GB de precisión aritmética simple con técnicas de matriciais de investigación operativa. O mesmo caso, con alternativas de redes neurais de código aberto, o tempo de aprendizaxe pode levar semanas. DSSTNE de Amazon permite facer avances significativos no tempo de aprendizaxe paralelizando e distribuíndo o cálculo neural a través de múltiples GPUs.
