Google a récemment officiellement introduit Neural Structured Learning (NSL), un cadre open source d'apprentissage automatique (intelligence artificielle), utilisant la méthode Neural Graph Learning pour former des réseaux de neurones basés sur un ensemble de données variées et structurées différemment.
En particulier, NSL est conçu pour une excellente compatibilité avec TensorFlow - une bibliothèque de logiciels open source pour l'apprentissage automatique dans une variété de tâches cognitives et de compréhension du langage - et est spécialement conçu pour les deux. Il peut être utilisé par des praticiens de l'apprentissage automatique chevronnés et inexpérimentés. Essentiellement, NSL peut créer des modèles de vision par ordinateur, déployer la PNL et exécuter des prédictions à partir d'ensembles de données graphiques tels que des dossiers médicaux ou des graphiques de connaissances.
Neural Structured Learning est un cadre d'apprentissage automatique open source
« Exploiter des signaux structurels spécifiques pendant la formation permet aux développeurs d'obtenir des modèles avec une précision plus optimale, en particulier lorsque la quantité de données étiquetées est relativement faible. La formation basée sur des signaux structurés permet également de créer des modèles plus robustes. Ces types de techniques de formation ont été largement utilisés en interne chez Google pour améliorer les performances des modèles de manière plus positive et plus rapide", a déclaré l'équipe d'ingénierie de TensorFlow dans un article de blog.
NSL peut former des modèles d'apprentissage automatique par le biais d'un apprentissage entièrement supervisé, d'un apprentissage semi-supervisé ou d'un apprentissage non supervisé, créant ainsi des modèles. Le modèle utilise des signaux graphiques pour normaliser le processus de formation, dans certains cas avec moins de 5 lignes de code.
Structure opérationnelle du cadre d'apprentissage structuré neuronal
En outre, ce nouveau framework dispose également d'un certain nombre d'outils intégrés qui peuvent aider les développeurs à structurer leurs propres données et API pour créer des modèles d'entraînement contradictoires avec un nombre minimum de lignes de code.
En avril, Google Cloud a également introduit quelques solutions de formation pour les données structurées, telles que les feuilles liées dans BigQuery et AutoML Tables.
Dans d'autres actualités liées au domaine de l'intelligence artificielle, la semaine dernière, Google AI (anciennement connu sous le nom de Google Research) a également publié l'outil open source SM3 - un optimiseur spécifiquement pour la formation de modèles de langages à grande échelle comme le BERT de Google et l'OpenAI de GPT2.
Page des outils open source SM3 sur Github
Vous pouvez trouver plus d’informations sur le framework d’apprentissage automatique NSL aux adresses suivantes :
- https://www.tensorflow.org/neural_structured_learning/
- https://medium.com/tensorflow/introducing-neural-structured-learning-in-tensorflow-5a802efd7afd