Исследователи MIT создали автоматизированную систему, которая значительно улучшает эффективность алгоритмов глубокого обучения, используемых в таких областях, как обработка медицинских изображений и распознавание речи. Этот новый компилятор, получивший название SySTeC, позволяет разработчикам воспользоваться двумя типами редундантности данных одновременно – разреженностью и симметрией, что приводит к сокращению вычислений, потребляемой энергии и объема памяти.
Существующие методы оптимизации обычно ограничены использованием лишь одной из этих редундантностей, но SySTeC упрощает процесс, автоматически обрабатывая оба аспекта. В результате, в некоторых экспериментах скорость вычислений возросла почти в 30 раз. Научный подход ориентирован не только на глубоких специалистов в области ИИ, но и на ученых, которым необходимо повысить устойчивость своих алгоритмов для обработки данных.
Проект включает в себя три основных оптимизации, использующих симметрию, и представляет собой многообещающий шаг к созданию более эффективных систем машинного обучения в будущем.