Вкратце Если вы всегда хотели запрограммировать свой графический процессор Nvidia для ускорения машинного обучения, обработки изображений и других рабочих нагрузок, но находили CUDA от Nv слишком сложной или слишком сложной для изучения, вам повезло.
В конце прошлого месяца OpenAI выпустила Triton, среду на основе Python, которая пытается помочь разработчикам писать и компилировать код для работы на вашем графическом процессоре Nvidia намного проще, без необходимости сталкиваться с CUDA.
Выскочка из Сан-Франциско использует Triton для оптимизации своего программного обеспечения, чтобы их алгоритмы машинного обучения более эффективно работали на специализированном оборудовании. Создание современных моделей обходится дорого, разработчики должны иметь возможность быстро обучать и настраивать свою производительность, что требует написания собственных ядер графического процессора.
«Мы выпускаем Triton 1.0, язык программирования с открытым исходным кодом, похожий на Python, который позволяет исследователям, не имеющим опыта работы с CUDA, писать высокоэффективный код графического процессора – большую часть времени наравне с тем, что мог бы создать эксперт», – сказал OpenAI. . «Triton позволяет достичь максимальной производительности оборудования с относительно небольшими усилиями; например, его можно использовать для написания ядер матричного умножения FP16, которые соответствуют производительности cuBLAS – то, что не могут сделать многие программисты графических процессоров – менее чем в 25 строках кода ».
Вы можете прочитать больше о Triton и его документации здесь. Сообщается, что скоро появится поддержка других графических процессоров, таких как AMD.
Twitter предложил награда для всех, кто может найти предвзятость в его алгоритмах, как видно из его инструмента обрезки изображений, который отдает предпочтение белым людям и женщинам.
Доказательства компьютерно-обнаруженного огнестрельного оружия изъяты из суда
Прокуратура Америки изъяла из судебного процесса по делу об убийстве доказательства того, что, как утверждается, было огнестрельным оружием, обнаруженным с помощью классификационных алгоритмов.
Однажды вечером в мае прошлого года 25-летняя Сафараин Херринг получила огнестрельное ранение в голову и через два дня скончалась в больнице. 64-летний Майкл Уильямс был обвинен в убийстве и отрицает какие-либо правонарушения: он сказал, что Херринг был убит кем-то другим во время стрельбы из проезжавшего мимо автомобиля. Говорят, что Уильямс доставил Херринга в больницу Сен-Бернар в Чикаго.
У городов в Соединенных Штатах есть система, созданная ShotSpotter, разбросанная по улицам; Он состоит из микрофонов, подключенных к компьютерным системам, запрограммированных на определение звука выстрела и автоматическое оповещение полицейских о местонахождении.
Одно из доказательств против Уильямса утверждает, что датчики ShotSpotter в Чикаго определили стрельбу там, где камеры наблюдения видели, как Уильямс остановил свою машину у южного квартала Чикаго, как раз тогда и там, где, по словам полицейских, был застрелен Херринг.
Однако адвокат Уильямса подал документы. [PDF] утверждая, что ShotSpotter на самом деле обнаружил фейерверк в миле от этого места, и что ShotSpotter позже реклассифицировал взрыв как выстрел, а место как место, где Уильямс был замечен на камеру, сначала сообщил Vice.
Адвокат Уильямса потребовал от суда провести расследование доказательств ShotSpotter, и прокуратура просто отозвала их.
ShotSpotter ответил, подробно отрицая, что он ненадлежащим образом изменил какие-либо данные или доказательства, и дал отпор любому предположению, что он сделал это, чтобы помочь полиции в расследовании дела. Компания сообщила, что ее программное обеспечение автоматически генерирует предупреждения в реальном времени, а позже сотрудники анализируют показания микрофона для представления судебно-медицинских отчетов в суд, и поэтому эти окончательные отчеты могут отличаться от первоначальных предупреждений.
«Идея о том, что ShotSpotter« изменяет »или« фальсифицирует »доказательства каким-либо образом, является возмутительной ложью и будет считаться уголовным преступлением», – говорится в заявлении. «Мы следим за фактами и данными для нашего судебно-медицинского анализа. Период».
Данные Apple Watch проблематичны для исследования здоровья
Алгоритмы, используемые для отслеживания таких вещей, как частота сердечных сокращений и режим сна на Apple Watch, могут быть бесполезны в академических исследованиях.
Дж. П. Оннела, доцент кафедры биостатистики в отделении школы общественного здравоохранения Гарвардского университета, обнаружил это на собственном горьком опыте, когда попросил своего сотрудника Хасана Давуда, научного сотрудника больницы Бригама и женщин, загрузить данные о его сердечном ритме, записанные его Apple. Смотреть.
К его удивлению, когда они дважды экспортировали данные из одних и тех же образцов, взятых за один и тот же период времени, они обнаружили большое расхождение между записями. Одно и то же значение пульса, экспортированное один раз 5 сентября 2020 г. и снова 15 апреля 2021 г., должно быть таким же, но было другим.
Оннела считает, что виноват код Apple. «Эти алгоритмы – это то, что мы назвали бы черными ящиками – они непрозрачны. Поэтому невозможно узнать, что в них содержится », – сказал он The Verge. Отсутствие прозрачности означает, что Apple, возможно, изменила свое программное обеспечение, из-за чего исследователям было сложно доверять данным, собранным устройствами iGiant.
Apple, однако, заявила, что проблем с ее алгоритмами нет и что проблема, вероятно, заключается в процессе экспорта. В любом случае ошибки показывают, что это, вероятно, ненадежный источник данных, который следует использовать в академических целях.
Подробнее об эксперименте можно прочитать здесь. ®
