Deci и Qualcomm объединились для демократизации генеративного искусственного интеллекта в разных отраслях
Коротко
Deci объявила о сотрудничестве с Qualcomm Technologies для разработки передовых моделей генеративного искусственного интеллекта для Qualcomm Cloud AI 100.
Компания Deci, занимающаяся решениями в области искусственного интеллекта, объявила о сотрудничестве с Qualcomm Technologies для разработки передовых технологий. генеративный ИИ модели для Qualcomm Cloud AI 100. Целью сотрудничества является сделать ИИ более доступным для более широкого спектра приложений и демократизировать возможности генеративного ИИ для разработчиков.
Адаптируя модели специально для решения Qualcomm Cloud AI 100, компании намерены обеспечить экономичную обработку ИИ в реальном времени. Cloud AI 100 — это решение Qualcomm, созданное для оптимизации производительности генеративного вывода ИИ, включая большие языковые модели (LLM).
«Некоторые из основных проблем в нынешней среде генеративного искусственного интеллекта связаны с доступностью вычислительных мощностей для обработки этих огромных моделей и огромными затратами на их эксплуатацию», — сказал Йонатан Гейфман, генеральный директор и соучредитель Deci. Metaverse Post. «Используя модели Deci, пользователи Qualcomm могут максимально эффективно использовать свои инвестиции в оборудование с помощью моделей, которые обеспечивают максимальное использование оборудования, обеспечивая при этом высокую скорость и точность».
Deci будет сотрудничать с Qualcomm Technologies для запуска двух моделей, а именно DeciCoder-6B и DeciDiffusion 2.0.
Согласно объявлению, DeciCoder-6B представляет собой модель с 6 миллиардами параметров для генерации кода, поддерживающую восемь языков программирования и превосходящую по производительности существующие модели, сохраняя при этом память и эффективность вычислений.
С другой стороны, DeciDiffusion 2.0 — это модель диффузии текста в изображение с 732 миллионами параметров, которая устанавливает новые стандарты, предоставляя высококачественные изображения с повышенной скоростью и эффективностью.
Что отличает модели искусственного интеллекта Deci от других
Когда используешь LLM в реальных приложениях крайне важно эффективно организовать данные на серверах, которые делают прогнозы. Основная цель — обрабатывать как можно больше запросов пользователей одновременно. Поиск правильного баланса между объемом данных, обрабатываемых одновременно (размером пакета), и временем, необходимым для получения ответа (задержкой), зависит от двух ключевых вещей: конструкции модели и возможностей оборудования, используемого для прогнозирования.
«DeciCoder-6B имеет меньшее количество параметров, чем его аналоги, что приводит к уменьшению объема памяти и высвобождению дополнительных 2 ГБ памяти по сравнению с моделями CodeGen 2.5 7B и 7 миллиардов параметров. Модель отличается превосходной памятью и вычислительной эффективностью, позволяя эффективно масштабировать пакетную обработку без существенного потребления памяти или заметного увеличения задержки», — сказал генеральный директор Deci Йонатан Гейфман.
Далее он пояснил: «DeciDiffusion 2.0 обеспечивает получение высококачественных изображений за на 40% меньше итераций и использует меньший по размеру и более быстрый компонент U-Net по сравнению с Stable Diffusion 1.5. Он может создавать высококачественные изображения с меньшими временными шагами в процессе вывода».
Модель эффективно сокращает количество шагов, необходимых для создания качественного изображения, с 16 до 10.
Технология поиска нейронной архитектуры Deci — AutoNAC — сыграла решающую роль в эффективности и масштабируемости моделей. Это автоматы процесс поиска эффективным с точки зрения вычислений способом, что отличает его от традиционных методов. Эта технология позволила Deci выпустить серию современных моделей в короткие сроки с меньшими затратами на вычисления для обучения по сравнению с другими крупными разработчиками языковых моделей.
DeciCoder-6B: индивидуальная точность для промышленного совершенства
Способность DeciCoder-6B поддерживать восемь языков программирования делает его подходящей моделью для широкого спектра приложений. Гейфман поделился некоторыми различными способами использования этой модели.
«В области разработки программного обеспечения он может помочь в генерации и завершении кода, что значительно сокращает время разработки и повышает производительность. Кроме того, DeciCoder-6B можно использовать для обучения программированию на различных языках и уровнях сложности. Студенты могут использовать его для проверки своей работы и в качестве руководства по решению проблем», — сказал Гейфман из Deci. Metaverse Post.
«Кроме того, в области кибербезопасности модель может быть тонко настроена для помощи в написании и анализе сценариев сканирования уязвимостей с возможностью автоматизации проверок безопасности в различных средах программирования», — добавил он.
Сотрудничество между Deci и Компания Qualcomm Технологии знаменуют собой значительный шаг на пути к демократизации мощи генеративного искусственного интеллекта. Благодаря оптимизированным моделям, эффективным технологиям и приверженности открытости партнерство направлено на предоставление разработчикам и отраслям по всему миру доступных и экономически эффективных решений в области искусственного интеллекта.
Отказ от ответственности
В соответствии с Руководство трастового проектаОбратите внимание, что информация, представленная на этой странице, не предназначена и не должна интерпретироваться как юридическая, налоговая, инвестиционная, финансовая или любая другая форма консультации. Важно инвестировать только то, что вы можете позволить себе потерять, и обращаться за независимой финансовой консультацией, если у вас есть какие-либо сомнения. Для получения дополнительной информации мы предлагаем обратиться к положениям и условиям, а также к страницам справки и поддержки, предоставленным эмитентом или рекламодателем. MetaversePost стремится предоставлять точную и объективную отчетность, однако рыночные условия могут быть изменены без предварительного уведомления.
Об авторе
Кумар — опытный технический журналист, специализирующийся на динамических пересечениях искусственного интеллекта и машинного обучения, маркетинговых технологий и новых областях, таких как криптография, блокчейн и NFTс. Имея более чем трехлетний опыт работы в отрасли, Кумар зарекомендовал себя в создании убедительных повествований, проведении содержательных интервью и предоставлении всеобъемлющей информации. Опыт Кумара заключается в создании эффективного контента, включая статьи, отчеты и исследовательские публикации для известных отраслевых платформ. Обладая уникальным набором навыков, сочетающим в себе технические знания и умение рассказывать истории, Кумар преуспевает в ясной и увлекательной передаче сложных технологических концепций разнообразной аудитории.
Другие статьи
Кумар — опытный технический журналист, специализирующийся на динамических пересечениях искусственного интеллекта и машинного обучения, маркетинговых технологий и новых областях, таких как криптография, блокчейн и NFTс. Имея более чем трехлетний опыт работы в отрасли, Кумар зарекомендовал себя в создании убедительных повествований, проведении содержательных интервью и предоставлении всеобъемлющей информации. Опыт Кумара заключается в создании эффективного контента, включая статьи, отчеты и исследовательские публикации для известных отраслевых платформ. Обладая уникальным набором навыков, сочетающим в себе технические знания и умение рассказывать истории, Кумар преуспевает в ясной и увлекательной передаче сложных технологических концепций разнообразной аудитории.
