- Ідея №1: створення 3 D-моделей
- Ідея №2: використання хмарних сервісів
- Ідея №3: оренда потужностей Майнінг-ферм
Першою серйозною завданням Neuromation стало розпізнавання товарів на полицях в супермаркетах. сучасні глибокі нейромережі цілком успішно вирішують завдання пошуку об'єктів. У нашому випадку вони були відносно нескладні: банки, пляшки та пакети з яскравими етикетками.
Уявіть собі, що у вас є мільйон фотографій полиць супермаркетів і вам потрібно на кожній з них вручну намалювати такі прямокутники, як на картинці нижче. Абсолютно непідйомна і неймовірно рутинна задача!
Зазвичай ручну розмітку великих наборів зображень роблять за допомогою таких краудсорсінгових сервісів, як Amazon Mechanical Turk. Ручна робота на таких сервісах коштує недорого, але при цьому погано масштабується. Ми підрахували, що для розмітки набору даних, яка допомагала б розпізнавати всі 170 000 товарів з каталогу російського роздробу, потрібні були б роки роботи і десятки мільйонів доларів.
Ідея №1: створення 3 D-моделей
Замість цього ми спробували навчити глибокі нейронні мережі для комп'ютерного зору на синтетичних даних. Тобто ми збиралися зробити 3D-моделі товарів, віртуально поставити їх на полки і в результаті отримати товари з даними, ідеально розміченими для розпізнавання.
Ручної праці потрібно набагато менше - потрібна лише одна 3D-модель, а на її основі можна зробити всілякі товари. Дані при цьому розмічаються ідеально, оскільки ми повністю контролюємо 3D-сцену.
Сучасній відеокарти, в залежності від потужності, потрібно зазвичай від 30 секунд до 3 хвилин, щоб створити одне таке зображення. Але ж їх мільйони, якщо не десятки мільйонів. І це тільки перший етап.
Потім на цих зображеннях потрібно навчити нейромережі. Причому не один і не два рази - завжди потрібно пробувати багато різних конструкцій, навчати десятки і сотні різних моделей, проводити сотні експериментів. А для цього потрібні найсучасніші відеокарти. Загалом, влітку цього року ми зіткнулися з тим, що нам було потрібно дуже багато відеокарт.
Відкрите з останніми чіпами від NVIDIA не просто дорого коштували, але і в продажу практично не з'являлися. Всьому виною виявилися Майнер, у яких влітку був бум доходів. Відкрите їм потрібні були для Майнінг легких криптовалюта.
Так вийшло, що новоявлені бізнесмени і власники майнінгових ферм залишили нас і геймерів без техніки. Причому вони не просто змели відеокарти з полиць магазинів, вони ще й вигребли все зі складів в Китаї.
Ми спробували було «намайніть» кілька відеокарт через знайомих в США, але швидко зрозуміли, що будемо чекати їх не менше місяця і залишили цю затію.
Ідея №2: використання хмарних сервісів
Замість відеокарт ми вирішили скористатися хмарними сервісами, які надають в оренду вже готові і налаштовані для роботи машини. Останнім часом став особливо популярний Amazon Web Services. багато нові AI-стартапи орендують там обчислювальні потужності для своїх розробок.
З одного боку, обходяться хмарні сервіси зовсім не дешево: орендувати машину з декількома відеокартами для навчання нейронних мереж варто кілька доларів на годину, а цього годинника потрібно досить багато. З іншого боку, ми знали, що всі користуються хмарними сервісами. Значить, щось тут було не так.
Ми дуже швидко витратили десятки тисяч доларів на оренду потужностей в Amazon тільки для того, щоб зрозуміти: працювати з ними зовсім не обов'язково.
Ціни хмарних сервісів прийнятні для покупців тільки в крайньому випадку - при відсутності альтернативних варіантів. Для нас такою альтернативою став той самий джерело наших проблем і витрат - Майнер.
Ідея №3: оренда потужностей Майнінг-ферм
Тільки витративши великі суми, ми зрозуміли, що купувати відеокарти не потрібно. Їх можна просто орендувати і використовувати для обчислень в своїх цілях. Ми навіть опинилися на піку моди: каршерінг замість особистої машини, коворкінг замість свого офісу, велопрокат замість велосипеда будинку, а у нас - прокат потужностей майнінгових ферм.
Ми зрозуміли, що Майнінг криптовалюта приносить в кілька разів менше грошей, ніж хмарні сервіси беруть за оренду аналогічної машини з відеокартами. Виявилося, що Майнер могли б заробити більше грошей на корисних обчисленнях, а ми при цьому витратили б значно менше грошей і часу на обробку зображень.
Зараз ми працюємо з кількома Майнінг-фермами, використовуючи для корисних розрахунків їх відеокарти. Це в 5-10 разів дешевше, ніж оренда серверів у хмарних сервісів і при цьому набагато вигідніше для Майнер.
Використовуючи свої ферми відеокарт, Майнер можуть заробити в 3-5 разів більше, «добуваючи знання», ніж вони могли б отримати з тієї ж ферми на видобутку криптовалюта. З огляду на, що складність обчислень для Майнінг криптовалюта зростає, вигода від «Майнінг знань» буде тільки збільшуватися.
Застосування Майнінг-ферм для корисних обчислень вигідно обом сторонам: Майнер більше зароблять, а дослідники та підприємці в області штучного інтелекту отримають набагато більш дешевий і зручний спосіб реалізації своїх ідей.
Ми віримо, що така «демократизація» призведе до нових проривів і до справжньої революції в області штучного інтелекту.
Матеріали по темі:
За весь час існування біткоіни пропало майже 4 мільйони одиниць цієї криптовалюта
Де і як зберігати криптовалюта, щоб її ніхто не вкрав
10 найпопулярніших криптовалюта, описані в двох словах
Організатори «Премії Рунета» назвали 10 технологічних трендів на 2018 рікЗнайшли друкарську помилку? Виділіть текст і натисніть Ctrl + Enter