RBlog DeepPavlov

Технологии разговорного искусственного интеллекта DeepPavlov стали более доступными благодаря облаку NVIDIA NGC

Community Products Updates
Лаборатория нейронных систем и глубокого обучения МФТИ стала партнёром программы NVIDIA GPU Cloud (NGC) – контейнерного реестра для работы с искусственным интеллектом, машинным обучением, нейронными сетями и высокопроизводительными вычислениями. Теперь контейнеры библиотеки DeepPavlov доступны в облаке NGC. 

NGC — это библиотека специализированного ПО с бесплатным доступом, в которой все приложения оптимизированы для максимальной производительности при работе с графическими процессорами NVIDIA и упакованы в контейнеры. DeepPavlov — это библиотека с открытым исходным кодом для создания чат-ботов, виртуальных помощников и анализа текста, разрабатываемая лабораторией нейронных систем и глубокого обучения МФТИ. Она поставляется с набором предобученных компонентов для решения задач, связанных с обработкой естественного языка, и структурой для построения модульного конвейера, который позволяет разработчикам и исследователям создавать разговорные навыки и сложных диалоговых помощников. Вы можете запускать предварительно обученные модели, используя код Python, интерфейс командной строки, REST API или Docker. В дополнении к библиотеке DP, разработан DeepPavlov Agent — многофункциональный оркестратор, использующий декларативный подход для формирования конвейеров и построения диалогового ИИ в виде модульной системе.

«Технологии разговорного ИИ DeepPavlov упакованы в простой в развертывании контейнер, размещенный на NGC и оптимизированный для GPU. Это приложение позволяет разработчикам по всему миру создавать масштабируемые, надежные и готовые к внедрению решения так быстро, как никогда раньше. — рассказывает руководитель проекта DeepPavlov, заведующий лабораторией нейронных систем и глубокого обучения МФТИ Михаил Бурцев. — Благодаря совместной работе с NVIDIA, мы стали частью NGC и одной из немногих компаний партнеров в России».  

Российские компании могут применять контейнеры DeepPavlov для решения различных задач: автоматизация процессов колл-центров и обслуживания клиентов, создание систем ответов на вопросы по внутренней документации, для анализа настроений и отзывов клиентов, внедрение готовых диалоговых систем и прикладных исследований в области обработки естественного языка (NLP). Контейнер DeepPavlov состоит из предварительно обученных моделей, которые используют современные модели глубокого обучения, типа BERT, для задач: классификации, распознавания именованных сущностей, вопросов-ответов и других задач области NLP. Использование GPU позволяет ускорить работу библиотеки DeepPavlov до 20 раз (для примера был взят запуск конвейеров ASR / TTS на V100 GPU в сравнении с CPU). 

Начните использовать GPU-оптимизированный контейнер DeepPavlov на NGC сегодня.