功能 Features

MarketPlace

MarketPlace 內文

快速佈建AI開發環境

圖形化資料標註工具

圖形化資料標註工具 內文

聯盟式學習 

(Federated Learning)

對於個資隱私的保護、不信任將內部資料交於第三方,使得利用大量資料來強化深度學習的準確度變得越來越難。ari 利用聯盟式學習,將學習模型與學習後的參數上區塊鏈(Blockchain)加密。各分區資料不需要集中訓練可以保障隱私與資料安全,符合各國的個資保護法,學習後的特徵參數回傳到協調中心,各分區共享AI模型不獨屬一個單位或組織。

利用區塊鏈(Blockchain)來加密,不同於利用憑證加密(CA)。簽署憑證的單位掌握根簽證(Root CA),相當與掌握使用AI模型的權利,有時效性且儲存根簽證沒有開放的確保機制。

AI生命週期管理

GPU資源分享

GPU可以加速AI模型(Model Development)的建立與縮短執行推論(Inferencing)的時間,GPU的資源寶貴不單是成本上,若是效率上也能提升將會使的AI發展系統或AI推論的處理能力增加。

Figure 1 GPU不分享的情況

在Figure 1 GPU不分享的情形下,複雜的工作在單一GPU上要耗費更多時間來完成。GPU2所處理的工作已經結束,GPU2是可以挪出來幫助GPU1或是GPU3分擔工作,而縮短原來所需的時間。

另一種情境式如Figure 2,所有的GPU都在處理同一種AI運算,但是單位時間內的使用率都不到滿載。此時GPU是可以在處理更多工作的。

Figure 2 GPU使用率不足,但單位時間內無法供其他工作利用GPU效能

但當我們使GPU共享後,並代為處理工作排程,單位時間的工作量就可以增加。

Pipeline流水線組合功能

開發AI模型時,我們可以利用圖形介面將各個動作、程序採元件化的逐項設計後,將各個功能單元組合成一個目標功用;或組合成一個自動化的動作迴路。

以下的例子是供學校使用的人臉辨識系統,當學生到校被門口攝影機辨識出來後寄簡訊通知家長;若門口攝影機遇到沒辦法辨識的人員,會通知警衛警戒。整個流程由臉部區域標示、假畫面辨識(例如用照片替代人臉)、限縮局部人臉範圍、取出特徵值、比對特徵值、從特徵值找出學生名字等八個分別的程序所構成,

接下來,細部程序內容首先從 Face Detection 的程序來看。當 RGB 影像輸入後透過 HOG(histogram of gradients) 方向梯度直方圖從整張圖中圈選出分類區域;接著運用SVM(support vector machine)支援向量網路演算法分類出屬於人臉的區域。在SVM辨識人臉時,我們事先使用了LFW(Labeled Faces in the Wild)的資料集加上些許非人臉的資料及,採用無監督學習訓練出人臉分類的模型。

若我們細部深入SVM分類的程式碼,我們可以看到我們使用了PCA(Principal component analysis)將影像轉移到其他象限而分離出特徵臉(eigenface)後再用交給SVM(support vector machine)支援向量網路演算法分類出人臉的區塊來。

您也可以不用Pipeline 流水線組合功能來撰寫你的AI演算程式碼,但使用Pipeline 流水線組合功能你可以更容易的管理AI開發程式,增加可讀性;甚至在不同容器內(Container Image)運用到不同的AI框架來分析比較演算法,選出最佳的演算法或資料集,以及管理AI開發流程。

AI推論部署

內文

CDSS 

(Clinic Decision Support System) 診斷輔助功能

CDSS是ari AI發展平台的目標產物之一,目的是示範如何發展AI而轉為實際運用的SaaS (軟體即服務)應用軟體。

當AI模型發展過程,CDSS提供資料分析統計,若統計資料發生資料不平衡(Data Imbalanced)時,人工智能學習就會不準確,事前做資料清潔的工作會大大影響最後結果,ari的CDSS就是整合AI模型訓練、資料分析、甚至直接可以將新的診療影像直接用已經發展完成的AI分析模型來進行病症的陽性、陰性辦定,得病機率的推估等。

聯絡業務 Contact

訂閱電子報

Loading