El servicio ModelArts redujo sustancialmente el tiempo de entrenamiento de modelos con respecto a los otros competidores y logró un excelente desempeño en términos de inferencia. En solo 4 minutos y 8 segundos, ModelArts consiguió entrenar a la red neuronal ResNet5 en ImageNet, con 128 GPU de modelo V100. Este resultado equivale a menos de la mitad del tiempo de 9 minutos y 22 segundos que ModelArts había conseguido en diciembre de 2018, y es cuatro veces más veloz que el tiempo obtenido por el laboratorio de investigación fast.ai en la plataforma de AWS. En cuanto a las tareas de inferencia, el desempeño de ModelArts fue un 70% más rápido que la solución que obtuvo el segundo lugar. Además, ModelArts fue 3 veces más rápido que la solución de AWS y 8 veces más rápido que la de Google.

La tecnología de la plataforma de ModelArts es líder en la industria del Deep Learning 

Deep Learning es una tecnología fundamental en el campo de la inteligencia artificial. Recientemente, el Deep Learning se ha aplicado en múltiples escenarios como vehículos autónomos, internet, seguridad, cuidado de la salud, entre otros. Los datos generados en estos y otros sectores han mostrado una tendencia de crecimiento y, aunado a ello, los modelos de Deep Learning también han requerido expandir sus capacidades. Por lo tanto, los requisitos necesarios para desarrollo de Inteligencia Artificial continúan incrementándose, tanto en relación al tiempo de entrenamiento, así como a la cantidad de recursos de cómputo. De manera que para tener procesos óptimos de Deep Learning, es de primordial relevancia tener un alto nivel de desempeño en términos de entrenamiento e inferencia.

El DAWNBench de la Universidad de Stanford es una de las competencias de mayor prestigio en el campo de la Inteligencia Artificial a nivel internacional. Esta competencia consta de una plataforma para análisis comparativos, mediante la cual se mide el desempeño en términos de entrenamiento de modelos y capacidad de inferencia de Deep Learning, en modalidad end-to-end. La lista de este ranking refleja los actores líderes en la industria de las plataformas de Deep Learning.     

ModelArts de HUAWEI CLOUD permite el procesamiento previo masivo de datos, el entrenamiento distribuido a gran escala, el desarrollo automatizado de modelos y la implementación on-demand en dispositivos, en edge y en la nube. Por otro lado, ModelArts ayuda a los usuarios a desarrollar e implementar modelos rápidamente, y a administrar de manera integral las cargas y flujos de trabajo de sus procesos de Inteligencia Artificial. De modo que ModelArts, mediante su entrenamiento de modelos distribuido de alto desempeño, y su tecnología de inferencia ágil, pudo asegurar el lugar más alto en el pódium de esta competencia organizada por una de las mejores universidades a nivel mundial en términos de ciencias de la computación, la cual mide diversas tareas de entrenamiento e inferencia de Deep Learning.

Los usuarios pueden hacer uso eficiente de servicios de cómputo en la nube, incluyendo recursos de inteligencia artificial

Existen diversos aspectos que contribuyen a la complejidad del desarrollo de Inteligencia Artificial, entre ellos se encuentran la poca disponibilidad de poder de cómputo de alta capacidad y los altos costos del mismo, además de procesos de desarrollo ineficaces. Por ejemplo, los desarrolladores, empresas y centros de investigación a menudo optan por el uso de clústeres de cómputo de gran escala para procesos de entrenamiento de Inteligencia Artificial, pero su adquisición y mantenimiento son altamente costosos.

En contraparte, los usuarios de ModelArts tienen acceso rápido a recursos de GPU’s escalables y de alto desempeño, y pagan solamente por lo que usan. ModelArts aprovecha la sinergia entre el hardware de HUAWEI CLOUD (servidores, redes y almacenamiento con tecnología a la vanguardia) y su software, sistemas distribuidos y algoritmos optimizados para aumentar la velocidad de cómputo. Esta sinergia brinda una excelente experiencia de usuario, además de ayudarle a reducir costos y mejorar la eficiencia de sus procesos. Todos estos beneficios de ModelArts se han vuelto cada vez más accesibles.

Por otro lado, durante el pasado 21 de marzo, Huawei presentó la comunidad en línea del ecosistema de desarrolladores de ModelArts, la cual hace uso del Marketplace de Inteligencia Artificial de HUAWEI CLOUD. El objetivo de esta comunidad es acelerar y promover el desarrollo y la adopción de soluciones y servicios de Inteligencia Artificial. Esta comunidad permite situar contenidos compartidos al alcance de desarrolladores, tales como modelos de Inteligencia Artificial,  API, casos usados en competencias de Inteligencia Artificial, además de datos asociados a estos contenidos. La plataforma de esta comunidad provee un entorno seguro para intercambio de dichos contenidos, los cuales están principalmente dirigidos a desarrolladores de aplicaciones, integradores de soluciones, instituciones educativas, entre otros. Este Marketplace de HUAWEI CLOUD es la primera plataforma en China para acceso a publicación de modelos de Inteligencia Artificial a través de suscripciones.

La plataforma integral de ModelArts paulatinamente ha tomado una enorme relevancia para diversos sectores claves, como son el cuidado de la salud, manufactura inteligente, ciudades inteligentes, arquitectura, vehículos autónomos, logística, IoT, entre otros. En este sentido, ModelArts ha ayudado a múltiples compañías a implementar soluciones de inteligencia artificial, algunos ejemplos de ello son las empresas Kingmed Diagnostics, Glodon y Cloudansys. 

A finales de 2018, el servicio Enterprise Intelligence de HUAWEI CLOUD había liberado 56 servicios de Inteligencia Artificial, con un total de 159 funciones, además de colaborar en el desarrollo de más de 200 proyectos de aplicaciones de Inteligencia Artificial para diversos sectores. HUAWEI CLOUD se compromete a convertirse en uno de los más importantes motores de la innovación de las industrias y de su transformación digital.

Link a los resultados del ranking de la competencia DAWNBench de la Universidad de Stanford: dawn.cs.stanford.edu/benchmark/