Google komt met het nieuwe open source-framework SEED RL, waarmee bedrijven in staat zijn om de trainingskosten voor een kunstmatige intelligentie (AI)-model af te laten nemen. Volgens de ontwikkelaar zouden de kosten met maximaal 80 procent reduceren.
SEED RL is gebouwd bovenop het Google machine learning-platform TensorFlow. Het framework gebruikt graphics processing units (GPU’s) en tensor processing units (TPU’s) voor model inference (conclusies trekken op basis van bewijs). Het inference-proces wordt centraal uitgevoerd door het learner-component dat het model traint.
De variabelen en statusinformatie van het model blijven lokaal, maar observaties worden wel voortdurend naar het learner-component gestuurd. Google geeft aan dat learner geschaald kan worden naar duizenden cores, bijvoorbeeld tot 2.048 cores bij Cloud TPU’s. Voor andere trainingstaken kunnen ook duizenden machines ingezet worden.
Snelheidswinst
Om te kijken hoe dit in de praktijk uitpakt, voerde Google de Football Benchmarks uit. Hierbij wordt een reinforcement learning-omgeving gebruikt om voetbal onder de knie te krijgen. SEED RL was in staat om een Football-taak op te lossen, waarbij het model getraind werd met 2,4 miljoen frames per seconde met 64 Cloud TPU-chips. Volgens Google is dat 80 keer sneller dan vorige frameworks.
Deze snelheidsverbetering laat de kosten voor training afnemen, vanwege het feit dat bij modeltraining normaliter verschillende experimenten en testen komen kijken.
Google heeft de afgelopen maanden meerdere stappen gezet om de ontwikkeling van AI en ML te bevorderen. Zo ontwikkelde het vorig jaar nog een AI dat voorspelt wat het beste ML-model zal zijn.