Intel Rilis AI Reference Kits Sumber Terbuka

Liputan6.com, Jakarta - Intel merilis set pertama AI Reference Kits sumber terbuka yang dirancang khusus untuk membuat AI (Artificial Intelligence) lebih mudah diakses oleh organisasi di lingkungan lokal, cloud, dan edge.

Pertama kali diperkenalkan di Intel Vision, Reference mencakup kode model AI, instruksi pipeline untuk machine learning dari ujung ke ujung, pustaka, dan komponen Intel oneAPI untuk kinerja lintas arsitektur.

Berbekal Reference Kits ini, data scientist dan developers dapat mempelajari cara menerapkan AI secara lebih cepat dan lebih mudah di seluruh layanan kesehatan, manufaktur, ritel, dan industri lainnya dengan akurasi lebih tinggi, kinerja lebih baik, dan total biaya implementasi lebih rendah.

"Inovasi tumbuh subur di lingkungan yang terbuka dan demokratis," ujar Wei Li, Vice President and General Manager of AI and Analytics di Intel.

Li menyebut bahwa ekosistem perangkat lunak AI terbuka Intel, termasuk kerangka kerja populer yang dioptimalkan dan alat AI Intel lainnya dibangun di atas fondasi model pemrograman oneAPI yang terbuka, berbasis standar, dan terpadu.

Oleh karena itu, menurut Li, "Reference Kits ini akan memungkinkan jutaan data scientist dan developer memperkenalkan AI secara cepat dan mudah ke dalam aplikasi mereka atau meningkatkan solusi cerdas yang ada."

Pemanfaatan teknologi kecerdasan buatan atau AI bisa membuat film berbahasa asing yang disulih suara terlihat lebih natural. Sebuah perusaahaan rintisan mengujicoba teknologi deepfake untuk membuat gerakan mulut dalam film asing tampak lebih sinkron ...

2 dari 4 halaman

Empat Reference Kits

Empat jenis Reference Kits saat ini telah tersedia untuk diunduh:

Utility Asset Health

Karena konsumsi energi terus tumbuh di seluruh dunia, aset distribusi daya di lapangan diperkirakan akan tumbuh. Model analitik prediktif ini dilatih untuk membantu utilitas memberikan keandalan layanan lebih tinggi.

Kit ini menggunakan XGBoost yang dioptimalkan Intel melalui oneAPI Data Analytics Library.

Visual Quality Control

Kontrol kualitas sangat penting dalam setiap operasi manufaktur. Tantangan dengan teknik Computer Vision adalah bahwa mereka sering membutuhkan daya komputasi grafis yang berat selama proses latih dan latih ulang yang sering saat produk baru diperkenalkan.

Model AI Visual QC dilatih menggunakan AI Analytics Toolkit, termasuk Optimization for PyTorch dan Distribution of OpenVINO toolkit. Keduanya didukung oleh oneAPI untuk mengoptimalkan pelatihan dan inferensi masing-masing menjadi 20 persen dan 55 persen lebih cepat.

3 dari 4 halaman

Customer Chatbot

Chatbot percakapan telah menjadi layanan penting untuk mendukung inisiatif di seluruh perusahaan. Model AI yang mendukung interaksi chatbot percakapan sangat besar dan sangat kompleks.

Kit ini mencakup model Natural Language Processing berbasis deep learning untuk Intent Classification dan Named Entity Recognition menggunakan BERT dan PyTorch.

Ekstensi Intel untuk PyTorch dan OpenVINO mengoptimalkan model untuk kinerja lebih baik, dengan inferensi 45 persen lebih cepat dibandingkan dengan implementasi chatbot kit bawaan pelanggan Accenture tanpa optiamlisasi Intel

4 dari 4 halaman

Intelligent document indexing

Perusahaan memproses dan menganalisis jutaan dokumen setiap tahun, dan banyak dokumen semiterstruktur dan tidak terstruktur dirutekan secara manual.

AI dapat mengotomatiskan pemrosesan dan pengkategorian dokumen-dokumen ini untuk perutean lebih cepat dan biaya tenaga kerja manual yang lebih rendah.

Menggunakan model Support Vector Classification, kit ini dioptimalkan dengan Distribution of Modin dan Extension for Scikit-learn yang didukung oleh oneAPI.

Kit ini meningkatkan waktu pre-processing, pelatihan, dan inferensi data masing-masing menjadi 46, 96 dan 60 persen lebih cepat.