الذكاء الاصطناعي هو تحويل مختلف القطاعات والسلع والوظائف الأساسية. ومع ذلك ، تستهلك الشبكات العصبية العميقة موارد مفرطة من حيث الذاكرة والقوة الحسابية والطاقة. لضمان اعتماد الذكاء الاصطناعي على نطاق واسع ، يجب أن تعمل بكفاءة على أجهزة المستخدم النهائي ، مع الالتزام بقيود صارمة على الطاقة والحرارة. تلعب تقنيات مثل التكميم والضغط دورا محوريا في التخفيف من هذه التحديات.

في هذه الندوة عبر الويب، سيرشدك مدير منتجات سوني، أمير سيرفي، عبر مجموعة أدوات ضغط النماذج من سوني لتحديد نماذج التعلم العميق وتسريعها لنشر الحافة بكفاءة. ستتعلم كيف تفعل الشيء نفسه لنموذجك الخاص! ما ستتعلمه:

- أحدث أبحاثنا في تقنيات التكميم وتنفيذها في منتج عملي

- أهمية الضغط المدرك للأجهزة للاستدلال على الحافة

- كيف يمكن للمهندسين والباحثين تنفيذ هذه التقنيات من خلال Sony MCT

تم دفع التطورات الحديثة في رؤية الكمبيوتر بشكل كبير من خلال إدخال بنية المحولات والتجريدات سهلة الاستخدام للتدريب المسبق والضبط الدقيق والاستدلال في 🤗 مكتبة المحولات. يقدم هذا الحديث نظرة عامة على أحدث نماذج الرؤية القائمة على المحولات ، ويستكشف المرافق المتاحة داخل مكتبة المحولات ، ويقدم رؤى عملية حول الفلسفة 🤗 الكامنة وراءها.

تعبت من طوابير طويلة عند الخروج من التجزئة؟ نظام إدارة قائمة الانتظار الذكي لدينا هو الحل! انضم إلينا للحصول على برنامج تعليمي خطوة بخطوة حول كيفية إنشاء مثل هذا النظام باستخدام OpenVINO و YOLOv8. سنرشدك خلال عملية دمج هذه الأدوات القوية مفتوحة المصدر لتطوير حل شامل يمكن نشره في بيئات الدفع بالتجزئة. ستتعلم كيفية تحسين التطبيق لتحقيق أداء متميز. سواء كنت مطورا متمرسا أو جديدا على الذكاء الاصطناعي ، ستقدم هذه الجلسة نصائح عملية وأفضل الممارسات لبناء أنظمة ذكية باستخدام OpenVINO. بنهاية العرض التقديمي ، سيكون لديك المعرفة والموارد اللازمة لبناء الحل الخاص بك.

في عصر يحدده التقدم السريع في الذكاء الاصطناعي (الذكاء الاصطناعي) ، يعد التنقل في المشهد الأخلاقي لهذه التكنولوجيا أمرا بالغ الأهمية. في هذه الجلسة ، ستكشف مونيكا عن الشبكة المعقدة من المعضلات الأخلاقية التي تصاحب قوة الذكاء الاصطناعي التحويلية. من معالجة التحيز والإنصاف إلى استكشاف الشفافية والمساءلة والتأثير العميق الذكاء الاصطناعي على المجتمع ، ستقدم مونيكا رؤى تسلط الضوء على الاعتبارات الأخلاقية المحيطة الذكاء الاصطناعي.

هذا الحديث هو فرصتك لاكتساب فهم أساسي للتحديات والمسؤوليات الأخلاقية المرتبطة الذكاء الاصطناعي. ستزودك مونيكا بالمعرفة الضرورية لأي شخص يشارك في تطوير الذكاء الاصطناعي أو صنع القرار أو تشكيل السياسات.

يمكن أن تكون نماذج الأساس متطلبة من حيث حساب وحدة معالجة الرسومات وقد لا تكون مناسبة للتطبيقات في الوقت الفعلي ، خاصة إذا كنت ترغب في توسيع نطاق ملايين نقاط الشراء المستقلة. لكننا نستفيد من الطريقة المسماة تقطير المعرفة ، حيث نضع نماذجنا الأساسية للمهام المعقدة مثل التعليقات التوضيحية وننقل هذه المعرفة إلى نماذج أصغر وفعالة من حيث التكلفة. يتيح لنا ذلك تسريع عملية التعليقات التوضيحية لدينا حتى 90 مرة أسرع من الملصقات التقليدية البشرية.

Pssst. تريد أن تسمع سرا؟ ماذا لو أخبرتك أن التعلم النشط لا يجب أن يكون صعبا. ماذا لو كان هناك ... طريقة سهلة؟ أنت محظوظ. سيوضح لك هذا الحديث بالضبط كيفية تنفيذ خط أنابيب التعلم النشط باستخدام DagsHubمحرك البيانات. ويمكن تشغيل 90٪ من خط الأنابيب مباشرة في دفتر Jupyter أو على Google Colab! بنهاية الحديث ، سيكون لديك المعلومات اللازمة لتحويل مشروعك الحالي إلى مشروع يستخدم التعلم النشط لتحسين مقاييس نماذجك بكفاءة وسرعة!

استخدام أدوات مفتوحة المصدر مع YOLOv8 يمكن أن تساعدك في الحصول على رؤيتك التالية الذكاء الاصطناعي المشروع وتشغيله بسرعة. هناك مستودعات للصور مفتوحة المصدر ومكتبات للمساعدة في أتمتة تسمية البيانات وأدوات للتتبع أو العد وخوادم لنشر نماذجك. تعرف على كيفية استخدامها مع YOLOv8 لإنشاء تطبيقك التالي.

من المتوقع أن يكون للسباق العالمي المستمر لأنظمة الذكاء الاصطناعي (الذكاء الاصطناعي) الأكبر والأفضل تأثير اجتماعي وبيئي عميق من خلال تغيير أسواق العمل ، وتعطيل نماذج الأعمال ، وتمكين هياكل الحوكمة والرفاه المجتمعي الجديدة التي يمكن أن تؤثر على الإجماع العالمي لمسارات العمل المناخي. ومع ذلك ، يتم تدريب أنظمة الذكاء الاصطناعي الحالية على مجموعات بيانات متحيزة يمكن أن تزعزع استقرار الوكالات السياسية التي تؤثر على قرارات التخفيف من تغير المناخ والتكيف معه وتعرض الاستقرار الاجتماعي للخطر ، مما قد يؤدي إلى أحداث تحول مجتمعية. وبالتالي ، فإن التصميم المناسب لنظام الذكاء الاصطناعي أقل تحيزا يعكس التأثيرات المباشرة وغير المباشرة على المجتمعات والتحديات الكوكبية هو مسألة ذات أهمية قصوى.

يمكن أن يؤدي تكميم نماذج التعلم الآلي (ML) إلى انخفاض كبير في حجم النموذج بالإضافة إلى تقليل زمن انتقال الاستدلال بسبب انخفاض متطلبات النطاق الترددي. عند نشرها على خيارات الأجهزة التي تدعم حسابات الأعداد الصحيحة بكفاءة ، يمكن أن تكون مكاسب الأداء أكثر دراماتيكية. ومع ذلك ، يمكن أن يؤدي القياس الكمي في بعض الأحيان إلى تدهور غير مقبول في الدقة. في هذا الحديث ، نقدم لمحة عامة عن طرق القياس الكمي بكفاءة YOLOv8 نماذج تجعلها خيارا ممتازا لمختلف تطبيقات الذكاء الاصطناعي الحافة في الوقت الفعلي. نقدم أيضا فئة من YOLOv8 النماذج المزودة بوظيفة تنشيط ReLU6 التي تظهر نتائج تكميم ممتازة بعد التدريب على مجموعة متنوعة من معماريات النماذج ومجموعات البيانات. أخيرا ، نوضح كيف يمكن نشر النماذج الكمية على خيارات أجهزة متعددة مثل وحدات المعالجة المركزية ووحدات Edge TPU و Orca (مسرع الذكاء الاصطناعي HW من DeGirum) باستخدام واجهات برمجة التطبيقات البسيطة.

Ultralytics هو موطن لنماذج رؤية الكمبيوتر المتطورة والحديثة لمهام مثل تصنيف الصور واكتشاف الكائنات وتجزئة الصور وتقدير الوضع. Weights & Biases هي منصة MLOps للمطور الأول والتي عند دمجها مع Ultralytics يتيح لنا سير العمل إدارة تجاربنا بسهولة ، ونمذجة نقاط التفتيش ، وتصور نتائج تجاربنا بطريقة ثاقبة وبديهية. في هذه الجلسة ، سوف نستكشف كيف يمكننا زيادة سير عمل رؤية الكمبيوتر بشكل فعال باستخدام Ultralytics و Weights & Biases.

تعرف على كيفية إنشاء PatentPT ، وهو حل نموذج لغوي متقدم يعزز بشكل كبير قدرات البحث والتفاعل في البراءات. يقدم العرض رؤى عملية حول ضبط ونشر نماذج اللغات الكبيرة والاستفادة من وكلاء الذاكرة على مستوى المؤسسات لإكمال براءات الاختراع تلقائيا ، وإنشاء الملخصات والمطالبات ، وإجراء وظائف بحث متقدمة في براءات الاختراع باستخدام مجموعة براءات الاختراع الغنية. سنرشدك إلى كيفية تطوير حل مماثل باستخدام Deep Lake المتطور من Activeloop ، وقاعدة بيانات الذكاء الاصطناعي ، ونماذج LLM مفتوحة المصدر ، وأجهزة Habana Gaudi HPU ، وواجهات برمجة تطبيقات الاستدلال LLM من Amazon Sagemaker.

سنرشدك عبر المخططات المعمارية وجميع الخطوات التي اتخذناها لبناء الحل - من تدريب نموذج LLM الخاص بنا وصقله وإنشاء ميزات مخصصة ونشر واجهات برمجة تطبيقات البحث.

سواء كنت ممارسا الذكاء الاصطناعي تبحث عن أدلة عملية حول صقل LLMs ، أو محترفا قانونيا مهتما بالاستفادة من الذكاء الاصطناعي للبحث عن براءات الاختراع ، أو ببساطة فضوليا بشأن مستقبل الحلول المحسنة الذكاء الاصطناعي ، فإن حديثنا يقدم لمحة عن عملية وإمكانية استخدام LLMs في مجال متخصص. انضم إلينا ونحن نشارك رحلتنا في إنشاء تطبيقات مخصصة تعمل بنظام LLM مدعومة من Deep Lake ، قاعدة بيانات الذكاء الاصطناعي للشركات الكبيرة والصغيرة.