Microsoft vient d’annoncer le lancement de Microsoft Cognitive Toolkit, un outil d’intelligence artificielle en code source ouvert de qualité ‘commerciale’, disponible sur GitHub.
Il s’agit en fait de la version deux du Computational Network Toolkit (CNTK), qui avait été développé par des scientifiques de Microsoft Research pour avancer plus vite leurs recherches sur la reconnaissance de la parole.
Il est optimisé pour les processeurs comme pour les processeurs graphiques.
Depuis, il a été utilisé par de nombreux services de Microsoft (Bing, Cortana, Skype Traduction, …) et par des entreprises comme Liebherr.
La nouvelle version a encore été accélérée: elle est conçue spécifiquement pour la mise à l’échelle sur de nombreux serveurs et pour l’analyse de grands ensembles de données – même si elle se contente d’un ordinateur portable.
D’après Microsoft, elle est plus rapide que les solutions concurrentes (notamment TensorFlow de Google, Torch de Facebook, et Caffe de l’Université de Berkeley), dont les performances se dégradent rapidement à mesure que l’on ajoute des serveurs.
Le Cognitive Toolkit a été optimisé avec l’aide de NVIDIA. Sur un serveur NVIDIA DGX-1, les performances ont été doublées par rapport à la version précédente.
Bien évidemment, le Cognitive Toolkit fonctionne sur les serveurs Azure série N, qui incorporent des cartes accélératrices NVIDIA.
En plus du support du langage de programmation C++, la boîte à outils est désormais programmable avec Python 3, ce qui devrait la démocratiser.
D’après Frank Seide, un chercheur principal de Microsoft Artificial Intelligence and Research, le produit est passé d’outil de recherche à outil utilisé dans un environnement de production.
L’apprentissage profond utilise de vastes quantités de données, nommées ensembles d’apprentissages, pour apprendre le système à reconnaître des motifs à partir d’entrées comme des sons ou des images.
Avec la nouvelle version, les utilisateurs peuvent également développer des solutions d’apprentissage par renforcement, un sous-ensemble de l’apprentissage profond et de l’apprentissage automatique, pour lequel un agent apprend la bonne manière de faire quelque chose, en procédant par tâtonnements. Par exemple pour former une phrase ou pour trouver son chemin dans une pièce.