Künstliche Intelligenz Nvidia steigt bei DFKI ein

Die Konzernzentrale von Nvidia in Santa Clara, CA.
Die Konzernzentrale von Nvidia in Santa Clara, CA.

Der US-Chiphersteller Nvidia intensiviert seine Zusammenarbeit mit dem DFKI und wird neuer Gesellschafter bei dem deutschen Forschungsinstitut.

Der im kalifornischen Santa Clara ansässige Hersteller von Grafik- und KI-Prozessoren Nvidia tritt dem Gesellschafterkreis des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) bei. Das Engagement sei ein weiterer Schritt in der langjährigen erfolgreichen Zusammenarbeit zwischen Nvidia und dem DFKI auf den Gebieten »Machine Learning« (ML) und »Deep Learning« (DL).

»Nvidia und das DFKI arbeiten zusammen, um leistungsstarke Werkzeuge bereitzustellen, mit denen Wissenschaftler die komplexesten KI-Herausforderungen lösen können«, erklärte Ian Buck, Vizepräsident und General Manager für Accelerated Computing bei Nvidia. »Indem wir Gesellschafter des DFKI werden, untermauern wir diese Zusammenarbeit, im Rahmen derer wir weiter neue Bereiche erforschen wollen, die von beschleunigtem Rechnen profitieren können.«

Prof. Dr. Andreas Dengel, Standortleiter des DFKI in Kaiserslautern und Wissenschaftlicher Direktor des Forschungsbereichs Smarte Daten und Wissensdienste ergänzte: »Die Partnerschaft von DFKI und Nvidia ist eine perfekte Option, unsere ausgeklügelten Modelle und Verfahren mit hochleistungsfähigen und speziell für KI entwickelten Hardware-Plattformen zu kombinieren. Der Beitritt als Gesellschafter ist ein weiterer Baustein der erfolgreichen Zusammenarbeit und eröffnet neue Perspektiven für die anwendungsorientierte Erforschung neuronaler Netze

Ausbau der bewährten Forschungskooperation

Mit der gezielten Entwicklung spezifischer Technologien auf Nvidias KI-Plattformen erzielten die DFKI-Wissenschaftler in den letzten Jahren bemerkenswerte Ergebnisse in der Anwendung, der Erklärbarkeit und der Optimierung von Neuronalen Netzen und Deep Learning-Methoden.
So wurde das DFKI im Jahr 2016 auf Grund der herausragenden Forschungsergebnisse in der Analyse von Multimedia-Daten als GPU Research Center ausgewählt und als eine der beiden ersten europäischen Institutionen in das Nvidia AI Lab Programm (NVAIL) aufgenommen.
2018 wurde ein Team aus dem DFKI Kompetenzzentrum Deep Learning für seine Arbeit zu den Verarbeitungsprozessen neuronaler Netze mit dem Pioneer Award von Nvidia ausgezeichnet. Die Verfahren halfen erstmals dabei, Licht in die Vorgänge der »Black Box« des Deep Learning zu bringen und deren Entscheidungsprozesse nachvollziehbarer zu machen. In diesem Zusammenhang wurde auch erforscht, wie sich korrelierende, großvolumige Informationsströme gemeinschaftlich Verarbeiten lassen – beispielsweise Bild und Ton bei der Videoanalyse.

Hochleistungsfähige Infrastruktur für effiziente Verfahren

Das DFKI verfügt in Kaiserslautern über ein hocheffizientes Deep-Learning-Rechenzentrum mit mehreren DGX-Systemen von Nvidia in einem InfiniBand-Netzwerk, darunter der seinerzeit erste DGX-2-Supercomputer in Europa. Die leistungsstarke Infrastruktur erlaubt eine Vielzahl an Evaluationen in kurzer Zeit. Dadurch können große Datenvolumen, beispielsweise hochaufgelöste Satellitenbilder in kurzer Zeit analysiert werden. Ebenso lassen sich Flaschenhälse in Architekturen identifizieren und die Modelle dahingehend anpassen – eine Grundlage für das Engineering neuronaler Netze. Die Rechenleistung im Cluster lässt sich so optimieren, Leerzeiten lassen sich minimieren und Deep-Learning-Methoden energieeffizient einsetzen.

KI für die Industrie nutzbar machen

Dieses Potential soll fortan auch für die Industrie nutzbar sein. »Wir arbeiten daran, komplexe KI-Algorithmen für den praktischen Einsatz in der Industrie verfügbar zu machen«, erläuterte Andreas Dengel. Ziel ist ein »AI Model Store« in dem verschiedene Machine-Learning- Methoden angeboten werden. »Eine vollautomatische Architektursuche stellt die geeigneten Modelle bereit. Firmen können daraus auswählen, welches am besten für ihre Problemstellung passt und ihre Daten auf die vortrainierten Verfahren anwenden. Das Feedback erhalten sie in Echtzeit«, so der Plan der Forscher.