Die Kombination ausgeklügelter Machine-Learning-Methoden und hochleistungsfähiger Hardware soll KI-Anwendungen beschleunigen.

Bild: Nvidia

Gemeinsam KI beschleunigen Nvidia wird Gesellschafter des DFKI

14.04.2020

Nvidia ist dem Gesellschafterkreis des Deutschen Forschungszentrums für Künstliche Intelligenz beigetreten. Das Engagement ist ein weiterer Schritt in der langjährigen Zusammenarbeit im Machine Learning und Deep Learning.

Mit der Entwicklung spezifischer Technologien auf Nvidia-KI-Plattformen konnten die DFKI-Wissenschaftler bereits in den letzten Jahren relevante Ergebnisse in der Anwendung, der Erklärbarkeit und zur Verbesserung von neuronalen Netzen und Deep-Learning-Methoden erzielen. 2016 wurde das DFKI aufgrund der Forschungsergebnisse in der Analyse von Multimedia-Daten als GPU Research Center ausgewählt und als eine der beiden ersten europäischen Institutionen in das Nvidia-AI-Lab-Programm (NVAIL) aufgenommen.

2018 wurde ein Team aus dem DFKI-Kompetenzzentrum Deep Learning für seine Arbeit zu den Verarbeitungsprozessen neuronaler Netze mit dem Nvidia Pioneer Award ausgezeichnet. Die Verfahren halfen erstmals dabei, Licht in die Vorgänge der „Black Box“ des Deep Learning zu bringen und deren Entscheidungsprozesse nachvollziehbarer zu machen. In diesem Zusammenhang wurde auch erforscht, wie sich korrelierende, großvolumige Informationsströme gemeinschaftlich verarbeiten lassen – beispielsweise Bild und Ton bei der Videoanalyse.

Hochleistungsfähige Infrastruktur für effiziente Verfahren

Das DFKI verfügt in Kaiserslautern über ein hocheffizientes Deep-Learning-Rechenzentrum mit mehreren Nvidia-DGX-Systemen in einem InfiniBand-Netzwerk, darunter der seinerzeit erste DGX-2-Supercomputer in Europa. Die leistungsstarke Infrastruktur erlaubt eine Vielzahl an Evaluationen in kurzer Zeit. Dadurch können große Datenvolumen, beispielsweise hochaufgelöste Satellitenbilder, in kurzer Zeit analysiert werden.

Ebenso lassen sich Flaschenhälse in Architekturen identifizieren und die Modelle dahingehend anpassen – eine Grundlage für das Engineering neuronaler Netze. Auf diese Weise verbessert sich die Rechenleistung im Cluster, Leerzeiten lassen sich reduzieren und Deep-Learning-Methoden energieeffizient einsetzen.

Technologien für die Industrie nutzbar machen

Dieses Potenzial soll auch für die Industrie nutzbar sein. „Wir arbeiten daran, komplexe KI-Algorithmen für den praktischen Einsatz in der Industrie verfügbar zu machen“, sagt Andreas Dengel, Standortleiter des DFKI in Kaiserslautern und Wissenschaftlicher Direktor des Forschungsbereichs Smarte Daten & Wissensdienste.

Ziel ist ein sogenannter AI Model Store, in dem verschiedene Machine-Learning-Methoden angeboten werden. Dengel erklärt: „Eine vollautomatische Architektursuche stellt die geeigneten Modelle bereit. Firmen können daraus auswählen, welches am besten für ihre Problemstellung geeignet ist und ihre Daten auf die vortrainierten Verfahren anwenden. Das Feedback erhalten sie in Realzeit.“

Bildergalerie

  • Nvidia hat seinen Hauptsitz in Santa Clara, Kalifornien.

    Bild: Nvidia

Verwandte Artikel