AI Workbench de Nvidia apporte un bon modèle

Programmée pour coïncider avec SIGGRAPH, la conférence académique annuelle sur l'IA, Nvidia a annoncé ce matin une nouvelle plate-forme conçue pour permettre aux utilisateurs de créer, tester et personnaliser des modèles d'IA génératifs sur un PC ou un poste de travail avant de les faire évoluer vers un centre de données et un cloud public.

"Afin de démocratiser cette capacité, nous devons permettre de fonctionner à peu près partout", a déclaré le fondateur et PDG de Nvidia, Jensen Huang, lors d'un discours prononcé lors de l'événement.

Baptisé AI Workbench, le service est accessible via une interface de base exécutée sur un poste de travail local. Grâce à lui, les développeurs peuvent affiner et tester des modèles à partir de référentiels populaires tels que Hugging Face et GitHub en utilisant des données propriétaires, et ils peuvent accéder aux ressources de cloud computing lorsque le besoin d'évoluer se fait sentir.

Manuvir Das, vice-président de l'informatique d'entreprise chez Nvidia, affirme que l'impulsion pour AI Workbench était le défi – et la nature chronophage – de la personnalisation de grands modèles d'IA. Les projets d’IA à l’échelle de l’entreprise peuvent nécessiter de parcourir plusieurs référentiels pour trouver le cadre et les outils appropriés, un processus encore plus compliqué lorsque les projets doivent être déplacés d’une infrastructure à une autre.

Certes, le taux de réussite du lancement de modèles d’entreprise en production est faible. Selon un sondage de KDnuggets, la plateforme de science des données et d'analyse commerciale, la majorité des data scientists ayant répondu déclarent que 80 % ou plus de leurs projets stagnent avant de déployer un modèle d'apprentissage automatique. Une estimation distincte de Gartner suggère que près de 85 % des projets Big Data échouent, en partie à cause de obstacles infrastructurels.

"Les entreprises du monde entier se battent pour trouver la bonne infrastructure et créer des modèles et des applications d'IA génératives", a déclaré Das dans un communiqué. « Nvidia AI Workbench offre aux équipes interorganisationnelles un chemin simplifié pour créer les applications basées sur l'IA qui deviennent de plus en plus essentielles dans les entreprises modernes. »

Le jury se demande à quel point le chemin est « simplifié ». Mais en ce qui concerne Das, AI Workbench permet aux développeurs de rassembler des modèles, des frameworks, des SDK et des bibliothèques, y compris des bibliothèques pour la préparation et la visualisation des données, à partir de ressources open source dans un espace de travail unifié.

À mesure que la demande en IA – en particulier en IA générative – augmente, on assiste à un afflux d’outils axés sur l’ajustement précis de grands modèles généraux pour des cas d’utilisation spécifiques. Des startups comme Fixie, Reka et Together visent à permettre aux entreprises et aux développeurs individuels de personnaliser plus facilement les modèles en fonction de leurs besoins sans avoir à débourser pour un calcul cloud coûteux.

Avec AI Workbench, Nvidia propose une approche plus décentralisée du réglage fin, qui se produit sur une machine locale plutôt que sur un service cloud. Cela est logique, étant donné que Nvidia et son portefeuille de produits de GPU accélérant l’IA en bénéficieront ; Nvidia fait des mentions pas si subtiles de sa gamme RTX dans le communiqué de presse annonçant la nouvelle. Mais mises à part les motivations commerciales de Nvidia, le discours pourrait plaire aux développeurs qui ne souhaitent pas être redevables à un seul cloud ou à un seul service pour l'expérimentation de modèles d'IA.

La demande de GPU basée sur l'IA a propulsé les bénéfices de Nvidia vers de nouveaux sommets. En mai, la capitalisation boursière de la société a brièvement atteint 1 000 milliards de dollars après que Nvidia ait déclaré un chiffre d'affaires de 7,19 milliards de dollars, en hausse de 19 % par rapport au trimestre fiscal précédent.