Advertorial

Door Tweakers Partners

Opensourcedatabase IBM maakt deep learning eenvoudig(er)

30-08-2019 • 08:00

13 Linkedin

Deeplearningmodellen voor onder meer iot-toepassingen krijgen steeds meer voet aan de grond. Ze worden krachtiger, maar ook op het gebied van vertrouwen en uitlegbaarheid van algoritmen worden stappen gezet. IBM draagt bij aan de ontwikkeling hiervan in de opensourcegemeenschap. Zonder dat er een direct commercieel belang is, stelt het geavanceerde tooling, modellen en datasets beschikbaar in een Git-omgeving.

Developers die op zoek zijn naar vrij beschikbare deeplearningmodellen kunnen goed terecht bij IBM Developer. Met de Model Asset eXchange (MAX) vinden zij een groot aanbod van opensourcemodellen voor veelvoorkomende toepassingen: van het verwerken van data uit teksten en foto's tot audio en video. Deze zijn veelal ready-to-run en kunnen draaien als microservice met Docker of Kubernetes, maar ook zijn er trainbare modellen.

Geen enterprise-it zonder open source

IBM's commitment aan open source is niet nieuw. "We doen dit al ruim twintig jaar. We ondersteunen projecten en waar we potentie zien, adopteren we ze ook om ze bruikbaar te maken voor We hebben in wezen heel veel wielen gebouwd, zodat anderen ze niet opnieuw hoeven uit te vinden.enterpriseomgevingen", zegt Damiaan Zwietering, developer advocate voor IBM. "Tegelijk houden we deze projecten open source. In het algemeen is dit onze benadering voor open source."

Deze aanpak geldt ook voor de Model Asset eXchange. "We hebben daarbij bijvoorbeeld getrainde algoritmen die heel handig zijn voor het herkennen van emoties in tekst." De Model Asset eXchange bevat een grote repository aan modellen, waarbij de gedachte van IBM is geweest om deze zo eenvoudig mogelijk te maken in gebruik. "We hebben in wezen heel veel wielen gebouwd, zodat anderen ze niet opnieuw hoeven uit te vinden. Met elke programmeertaal zijn ze te gebruiken, via een api".

IBM host de modellen zelf voor testdoeleinden, maar voor productiewerk is het aan te raden ze te downloaden en zelf te implementeren, bijvoorbeeld in een Docker-omgeving. "Wij hosten de modellen in een Git-omgeving en je kunt ze testen, bijvoorbeeld voor het classificeren van enkele beelden. Deze omgeving is echter niet geschikt voor het verwerken van duizenden beelden per seconde. Dat kan wel als je de modellen downloadt en in een eigen omgeving inzet. Dat kan overal zijn, lokaal in een datacenter, in een container in de cloud of op iot-devices."

Praktische toepasbaarheid maakt interessant

De eXchange is sinds een jaar beschikbaar en volgens Zwietering tot dusver behoorlijk 'onder de radar' gebleven. "Tot nu toe is vooral sprake geweest van testen, maar de eXchange begint inmiddels wel tractie te krijgen in de developercommunity." Vooral de mogelijkheid om deze modellen ook echt naar de edge te brengen, maakt ze interessant. Zwietering geeft een voorbeeld van een praktijktoepassing waarbij een beeldherkenningsmodel de wijzerplaat van een drukmeter monitort en zo de druk in een buizensysteem voortdurend bewaakt. "Dit model maakt het mogelijk. Je kunt het op een goedkoop edgedevice met een camera zetten en voor de gebruiker heeft het grote waarde als het gaat om de veiligheid en continuïteit van een belangrijk fabrieksproces."

Er is een dringende behoefte aan vertrouwen als het gaat om ai.De op de MAX beschikbare modellen maken onder meer gebruik van technieken als lstm (long short-term memory) en zijn krachtiger dan de op dit moment veelgebruikte tooling. Maar performance alleen is niet alles. Nu ai steeds meer toepassingen krijgt in bedrijfsprocessen, neemt ook de algehele behoefte toe aan systemen die zorgvuldig afgewogen beslissingen maken, niet te manipuleren zijn en bovendien uitlegbaar zijn voor verschillende stakeholders. "Er is een dringende behoefte aan vertrouwen als het gaat om ai", zegt Romeo Kienzler, global chief data scientist en deep learning engineer bij IBM. "Open source speelt een belangrijke rol in het opbouwen van vertrouwen, omdat de code en de gebruikte technieken zichtbaar zijn voor iedereen."

MAX en DAX: een onafscheidelijke tweeling

Bovenstaande is een belangrijke overweging geweest voor IBM om extra in te zetten op de Model Asset eXchange; het ondersteunende team werd onlangs verdubbeld in omvang. IBM onderhoudt bovendien de Data Asset eXchange (DAX), wat een curated catalog is met daarin open data assets met een omvangrijke set metadata voor verschillende gebruiksdoeleinden. "MAX en DAX zijn voor ons niet los te zien van elkaar, omdat open modellen baat hebben bij open data als het gaat om het reproduceren van resultaten en de re-trainability van deze modellen", zegt Kienzler. "Dit vergroot het vertrouwen in ai-modellen".

IBM leidt de dans als het gaat om grote it-bedrijven die bijdragen met opensourcetooling voor ai. Deze is er bijvoorbeeld voor data lineage, uitlegbaarheid, robuustheid en trust & bias detection/mitigation, merkt Kienzler op. Hij wijst op tools als AI Fairness 360, AI Robustness 360 en AI Explainability, die zijn gedoneerd aan de Linux Foundation. "Daarmee is echt een stap gezet in de richting van het democratiseren van enterprise-ai". De verwachting is dat er nieuwe modellen voor specifieke doeleinden op de DAX zullen verschijnen. "Een anomaliedetector bijvoorbeeld en modellen voor data die moeilijk te verwerken zijn, zoals gesproken tekst", zegt Kienzler.

Deep Learning Works - Praktische informatie

Datum: donderdag 12 september 2019

Locatie:
B.1, B. Building Amsterdam.

Programma:
15.00-15.30 uur
- Inloop
15.30-17.30 uur - Workshop
17.30-18.15 uur - Diner
18.15-18.45 uur - Keynote 1 | Romeo Kienzler
18.45-19.30 uur - Keynote 2 | TBA - onderwerp Deep Learning
19.30-21.00 uur - Borrel

Maak gebruik van bestaande kennis

Voor developers die zich verder willen verdiepen in bijvoorbeeld machinelearning om natuurlijke taal te verwerken, heeft Zwietering nog een praktische tip. "Ik kom veel developers tegen die zich hierin verdiepen en vervolgens vast komen te zitten. Ik zou adviseren om een model uit de DAX te nemen of in ieder geval iets off-the-shelf en van daaruit verder te kijken wat je kunt verbeteren. Neem bijvoorbeeld het automatisch beantwoorden van e-mails. Er zijn al veel opensourceprojecten die zich hierop richten. Als je dit allemaal zelf gaat bedenken, kom je steeds meer vragen tegen en ontdek je dat het een complex vakgebied is. Natuurlijk kun je hierin ook een expert worden, maar dat kost tijd en moeite. Tijd en moeite die je misschien beter kunt gebruiken om tot een praktische toepassing te komen."

Meer weten? Meld je aan!

Meer weten over de Model Asset eXchange en hoe je deze modellen toepast in je eigen projecten? Heb je interesse en wil je hierbij zijn? Meld je dan snel aan en maak kans om op donderdag 12 september bij Deep Learning Works te zijn! We selecteren dertig mensen voor de workshop en keynotes, en nog eens dertig voor enkel de keynote.

Wil jij aanwezig zijn bij Deep Learning Works op donderdag 12 september?

Poll


De opties zijn uitgeschakeld omdat de deelname gesloten is

Actievoorwaarden

  • Je Tweakers-account moet voor 13 augustus 2019 geactiveerd zijn.
  • Meedoen kan tot 4 september 2019, alleen via de poll.
  • Alleen ingelogde bezoekers kunnen deelnemen.
  • Je kunt één keer aan de poll deelnemen.
  • Aanwezigen krijgen uiterlijk 5 september 2019 bericht per mail in de vorm van een officiële uitnodiging. Niet-aanwezigen ontvangen geen bericht.
  • Aanwezigen worden at random geselecteerd. Over de uitslag wordt niet gecorrespondeerd.
  • Deelnemers zijn op donderdag 12 september beschikbaar om het programma bij te wonen.
  • De uitnodiging voor het evenement is strikt persoonlijk en kan niet worden overgedragen.
  • Voor de workshop is er plek voor dertig man.
  • Voor de keynote is er plek voor zestig man.
  • Klachten kunnen via klachten@tweakers.net ingediend worden.
  • Medewerkers van Tweakers & IBM zijn uitgesloten van deelname.

Dit artikel is geen redactioneel artikel, maar een advertorial. Mocht je ideeën met ons willen delen over deze vorm van adverteren, dan horen wij dat graag. Hierover kun je met ons in gesprek via [Discussie] Reclame algemeen, daar zullen collega's aanwezig zijn om jouw vragen en/of opmerkingen te bespreken/beantwoorden.

Wat vind je van dit artikel?

Geef je mening in het Geachte Redactie-forum.

Reacties (14)

Wijzig sortering
Toevallig gisteren in onze IT visie hier over gehad dat dit wellicht een technologie kan zijn waar we wat mee willen gaan doen. Zou mooi zijn als ik hier heen kan :)
Waarom hadden we in de jaren 60 niet van zulke hippe termen als deep learning

Edit: Toch wel en het echte pionierswerk heeft dan ook in de jaren 60 en 70 plaats gevonden en midden jaren 80 toegepast

https://www.dataversity.net/brief-history-deep-learning/#

[Reactie gewijzigd door mdo8 op 30 augustus 2019 08:32]

In de jaren zestig waren er ook hippe termen die begonnen met "Deep .." :)
De film waar je op doelt is overigens uit '72.
Maar de visie erachter had je eind jaren 60 al
Ik doelde eigenlijk op de klokkenluider tijdens het Watergate-schandaal Mark Felt :) , maar ook die is idd pas van 1972 :(
Toen had je hippe hidden markov modellen ;)
Lol at drukmeter voorbeeld. Kon ook gewoon veel simpeler en goedkoper met een digitale drukmeter die je kan uitlezen. Maar nee IBM lost het op met een ai model en een camera. Kost wel even 10x meer, maar dan heb je ook iets half zo betrouwbaar. Mooi voorbeeld waarom dit soort bedrijven altijd hard falen op grote IT projecten en alles 5 keer zoveel kost dan begroot.
Afhankelijk van de drukmeter en waar deze zit. Als het een hogeleiding is voor gas ga je die niet ff openschroeven en is herkenning een heel stuk voordeliger en veiliger.
Betwijfel het. Ai model moet gemaakt worden getraind, dat is al heel wat dure ibm man uren. En dan nog is het de vraag hoe accuraat het precies is. Wat gebeurd er met een stofje op de lens etc? Ingewikkelde oplossingen > over simpele oplossing == €€€
Het zit hem bij zo'n leiding niet zozeer in de kosten van de drukmeter, meer in wat je allemaal moet afsluiten en wat voor gevolgen dat heeft. Een heel groot gebied zit ineens een uur zonder gas of wat dan ook, alle aansluitingen moeten geïnformeerd worden, je hebt specialisten nodig die aan het werk moeten, het moet getest worden etc etc. Voordeel van een analoge meter met digitaal uitlezen is ook nog eens dat pietje dat kan aansluiten en eventueel kan controleren. Zoals gezegd, het is helemaal afhankelijk van de situatie. Ik ben het met je eens dat voor veel toepassingen het overkill is.
Klopt, optische scheiding is een bekend veiligheidsconcept.

Alleen ga je het dan nog steeds niet met AI oplossen. Klassieke beeldherkenningsmethodieken uit 1980 zijn vele malen efficienter en betrouwbaarder, iets wat juist in jouw hypothetische situatie verplicht is.
Een 19-jarige petite vixen met zachte melkachtige witte huid, gemberhaar en groene ogen die je gek maken van verlangen ... schrijf me http://dirtytinders.gq/silvaila

Op dit item kan niet meer gereageerd worden.

Tweakers maakt gebruik van cookies

Tweakers plaatst functionele en analytische cookies voor het functioneren van de website en het verbeteren van de website-ervaring. Deze cookies zijn noodzakelijk. Om op Tweakers relevantere advertenties te tonen en om ingesloten content van derden te tonen (bijvoorbeeld video's), vragen we je toestemming. Via ingesloten content kunnen derde partijen diensten leveren en verbeteren, bezoekersstatistieken bijhouden, gepersonaliseerde content tonen, gerichte advertenties tonen en gebruikersprofielen opbouwen. Hiervoor worden apparaatgegevens, IP-adres, geolocatie en surfgedrag vastgelegd.

Meer informatie vind je in ons cookiebeleid.

Sluiten

Toestemming beheren

Hieronder kun je per doeleinde of partij toestemming geven of intrekken. Meer informatie vind je in ons cookiebeleid.

Functioneel en analytisch

Deze cookies zijn noodzakelijk voor het functioneren van de website en het verbeteren van de website-ervaring. Klik op het informatie-icoon voor meer informatie. Meer details

janee

    Relevantere advertenties

    Dit beperkt het aantal keer dat dezelfde advertentie getoond wordt (frequency capping) en maakt het mogelijk om binnen Tweakers contextuele advertenties te tonen op basis van pagina's die je hebt bezocht. Meer details

    Tweakers genereert een willekeurige unieke code als identifier. Deze data wordt niet gedeeld met adverteerders of andere derde partijen en je kunt niet buiten Tweakers gevolgd worden. Indien je bent ingelogd, wordt deze identifier gekoppeld aan je account. Indien je niet bent ingelogd, wordt deze identifier gekoppeld aan je sessie die maximaal 4 maanden actief blijft. Je kunt deze toestemming te allen tijde intrekken.

    Ingesloten content van derden

    Deze cookies kunnen door derde partijen geplaatst worden via ingesloten content. Klik op het informatie-icoon voor meer informatie over de verwerkingsdoeleinden. Meer details

    janee