Deci融资910万美元 用于自动优化AI算法

深度学习初创公司Deci今天宣布，在以色列的Emerge领导下的种子轮融资中筹集了910万美元。据一位发言人称，随着公司扩大其在特拉维夫的员工队伍，该公司计划将收益用于客户获取方面。

过去，机器学习的部署受到算法的大小和速度以及对昂贵硬件的需求的限制。实际上，麻省理工学院的一份报告发现，机器学习可能正在接近计算极限。一项单独的Synced研究估计，华盛顿大学的Grover假新闻检测模型在大约两周内花费25,000美元进行培训。据报道，OpenAI花费了高达1200万美元来训练其GPT-3语言模型，而Google花费了大约6,912美元来训练BERT，这是一种双向转换器模型，可重新定义11种自然语言处理任务的最新状态。

Deci由企业家Jonathan Elial的Yonatan Geifman和以色列海法Technion的计算机科学教授Ran El-Yaniv共同创立。(Geifman和El-Yaniv在Technion碰面，Geifman在该大学的计算机科学系攻读博士学位。)通过利用数据科学技术，该公司声称能够在任何硬件上将深度学习运行时间提高10倍。重新设计模型以扩大吞吐量并最小化延迟。

表面上，Deci通过数据预处理和加载，选择模型体系结构和超参数(即影响模​​型预测的变量)以及用于推理的模型优化来实现运行时加速。它还负责诸如部署，服务以及监视和解释性之类的步骤。根据Deci的说法，该平台支持跨Amazon Web Services，Microsoft Azure，Google Cloud Platform和其他云环境的容器化部署。它还可以持续跟踪模型，并在客户可以迁移到更具成本效益的AI加速器时发送警报和建议。

该公司在其网站上写道：“ Deci的平台为现有的深度学习模型提供了实质性的性能提升，同时又保持了其准确性。”“它设计了深度模型，可以更有效地利用它们运行的​​硬件平台，无论是CPU，GPU，FPGA还是专用ASIC加速器。…加速器是一种与数据相关的算法解决方案，可与其他已知的压缩技术(例如修剪和量化)协同工作。实际上，该加速器可充当辅助加速解决方案的乘数，例如AI编译器和专用硬件。”

Deci继续解释说，它的加速器会重新设计模型，以创建具有多个计算路径的新模型，所有计算路径都针对给定的推理设备进行了优化。每个路由都具有预测任务的专门性，并且Deci的路由器组件确保每个数据输入均通过正确的路由进行定向。

Deci在OctoML中有竞争，OctoML是一家类似的初创公司，其目的是使用专有工具和流程自动进行机器学习优化。其他竞争对手包括DeepCube(将其解决方案描述为“基于软件的推理加速器”)和Neural Magic(其重新设计AI算法，以利用芯片的可用内存在现成的处理器上更高效地运行)。另一个竞争对手DarwinAI使用所谓的生成综合来摄取模型并推出高度优化的版本。

Deci表示，在用于测量深度学习性能的基准套件MLPerf上进行测试时，其平台将流行的ResNet神经网络在Intel处理器上的推理速度提高了11.8倍，同时达到了精度目标。该公司声称已经有“无数”自动驾驶汽车，制造，通信，视频和图像编辑以及医疗保健公司作为客户。