Le système expert s’avère être un outil efficace et polyvalent. Dans les services financiers, l’IA peut lutter contre les arnaques aux cartes de crédit et détecter le sentiment du marché pour aider les investisseurs. Les algorithmes peuvent généraliser les cybermenaces pour rendre les réseaux de systèmes informatiques plus sûrs et sécurisés et, du même coup, même créer un son de marque pour les concepteurs d’appareils mains libres. Il existe certains problèmes pour lesquels les méthodes d’IA conventionnelles peuvent échouer. Et l’un de ces cas d’utilisation est l’optimisation des trajets.
Prédire les temps de trajet dans les villes très fréquentées est une tâche notoirement complexe. Les concepteurs sont confrontés à une cible mouvante où les situations peuvent changer rapidement. La circulation fluide peut soudainement s’arrêter – par exemple, si une camionnette de livraison bloque temporairement une route – avec des effets en cascade. L’IA peut absorber des informations historiques et reconnaître des modèles, mais au départ, les intervenants, les entreprises de messagerie, les navetteurs et les autres citadins ont besoin de recommandations en temps réel.
L’UIP augmente avec les GNN
C’est là que les réseaux de neurones graphiques (GNN) – publiés sur des unités de traitement du renseignement (IPU) efficaces – entrent en jeu. Un graphe, dans ce contexte, est une représentation structurée d’informations et peut être décrit comme un réseau de nœuds interconnectés. Ici, les nœuds sont des zones routières individuelles et les liens entre eux (appelés bords) représentent la relation entre ces entités.
Les graphiques permettent aux concepteurs de créer une photo détaillée de la ville en codant différentes informations à chaque nœud. Et l’exécution de cette structure à travers un réseau neuronal agrège les informations dans le contexte des nœuds voisins. Le processus prend une relation compliquée, telle que les interactions entre les composants du trafic dans une ville, et prépare les informations afin qu’elles puissent être comprises et améliorées.
Exécution de ces régimes sur des UIP dédiées – qui ont été créées pour contenir des conceptions complètes de découverte de créateurs dans leurs processeurs – débloque des informations supplémentaires. Il a été démontré que les IPU accélèrent les calculs par rapport à l’utilisation d’unités de traitement graphique (GPU) et sont particulièrement efficaces pour accélérer les GNN, quelles que soient leurs structures de graphes complexes. Cette accélération est particulièrement précieuse lorsque l’objectif final est d’optimiser les trajets en temps réel.
Guidage rapide
Un autre facteur d’utilisation des IPU sur les systèmes de transport intelligents est la capacité pour réaliser l’intégration du modèle de trafic dit Mix of Professionals (MoE). Au lieu de s’appuyer sur une vision internationale unique, diverses habitudes peuvent être introduites dans le pipeline, par exemple, les conditions aux heures de pointe ou les habitudes du week-end. L’avantage est une amélioration de la précision des prédictions. Mais avec les GPU, le souci informatique de devoir s’adapter à plusieurs conceptions ralentirait le système. Ce n’est pas le cas pour les IPU.
« [L’IPU] permet de traiter de nombreuses directions et plusieurs données sur différentes tuiles », commente Chen-Khong Tham, professeur à l’Université nationale de Singapour, qui a utilisé la combinaison de conception MoE pour améliorer les prévisions de trafic. « C’est très utile lorsque vous avez des opérations qui ne sont pas homogènes. »
Reconnaissant que les modèles de trafic changent progressivement, Tham et ses associés ont en fait utilisé un flux de travail en sandwich qui prend en compte à la fois les caractéristiques spatiales et temporelles. Dans l’action finale, l’IA est publiée pour prévoir les vitesses de circulation futures sur diverses zones routières afin d’aider à la préparation du chemin et à l’optimisation du trajet. Grâce à l’utilisation d’UIP, développées par la société britannique Graphcore, le groupe a observé une accélération jusqu’à 4 fois (par rapport aux GPU) dans le traitement des données de plus de 39 000 capteurs répartis dans les principales zones métropolitaines de l’autoroute de l’État de Californie.
Libérer le trafic urbain grâce à l’optimisation des trajets – permis par les réseaux de neurones graphiques fonctionnant sur des IPU – pourrait avoir des avantages financiers considérables. Les sociétés de livraison en ligne, un marché qui s’est en fait accéléré ces dernières années, pourraient améliorer leurs capacités de gestion de flotte. Les conceptions pourraient également répondre à de nouveaux aspects tels que l’introduction de zones d’air propres et d’autres initiatives de préparation de la ville.
Modèles GNN
Les structures de données de graphes et les réseaux de neurones s’avèrent être une combinaison pratique dans une variété d’applications. Les graphiques sont une méthode avantageuse pour inclure une structure dans les conceptions d’IA afin qu’elles puissent fonctionner efficacement et collecter des fonctions appropriées localement, par exemple, en dupliquant le succès des algorithmes de reconnaissance d’images. Par rapport à l’utilisation de l’IA seule, l’ajout de graphiques peut aider à concevoir de tout nouveaux systèmes, offrir des performances de données et entraîner une formation plus rapide.
Combinant ces avantages avec l’ajustement sur mesure des IPU qui ont été conçus avec un traitement massivement parallèle à l’esprit, offre aux concepteurs un mélange analytique extrêmement puissant. Et c’est pourquoi les GNN fonctionnant sur des IPU sont utilisés dans différents secteurs, pas seulement dans les transports et la « ville intelligente ». D’autres domaines d’application comprennent l’analyse moléculaire, la découverte de médicaments, les prévisions boursières, l’analyse des réseaux de médias sociaux et les systèmes de recommandation pour le commerce électronique, pour ne donner que quelques exemples.
Pour découvrir comment les UIP peuvent stimuler votre flux de travail d’IA et fournir une accélération notable du traitement, visitez https://www.graphcore.ai.
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
