Содержание |
Конечные собственники
Американский стартап Determined AI, который занимается разработкой ПО для ускоренного обучения искусственного интеллекта, был запущен в 2017 году. К июню 2021 года стартап привлек более $13 млн финансирования, в него вложились GV Alphabet, LG Electronics и CRV.
История
2021: HPE купила Determined AI
В середине июня 2021 года HPE сообщила о приобретении разработчика программного обеспечения для ускорения обучения алгоритмов искусственного интеллекта Determined AI. Финансовые условия сделки не раскрываются.
Это приобретение расширит возможности HPE в области машинного обучения в то время, когда ИИ становится все более приоритетным для покупателей суперкомпьютеров и серверов компании.
Платформа Determined AI ускоряет развитие проектов машинного обучения за счет устранения необходимости настраивать среду обучения ИИ вручную. Более того, при отсутствии функций отказоустойчивости, таких как есть у Determined AI, сбой сервера может потребовать от инженеров перезапуска обучающего цикла с нуля, что еще больше увеличивает продолжительность проекта.
Еще один способ, который позволяет Determined AI ускорить разработку моделей ИИ - это оптимизация самого процесса обучения на уровне программного обеспечения. Для этого в платформе стартапа используется настроенная версия Horovod, обучающей платформы ИИ с открытым исходным кодом, первоначально выпущенной Uber Technologies в 2017 году. Стартап заявляет, что его версия платформы может в некоторых случаях ускорить обучение в десятки раз, сокращая продолжительность некоторых проектов с дней до часов.
HPE будет использовать технологию Determined AI для расширения своих вычислительных возможностей. С этой целью компания планирует объединить стартап с подразделением высокопроизводительных вычислений и критически важных решений, в которое входит подразделение суперкомпьютеров.Метавселенная ВДНХ 
Платформа Determined AI также должна оказаться полезной для покупателей серверов машинного обучения HPE. У HPE есть несколько линий машин с графическим процессором для проектов машинного обучения, которые не требуют суперкомпьютера, но по-прежнему требуют значительных локальных вычислительных мощностей.[1]
Примечания
