Acumos AI soll den Einsatz von Machine Learning standardisieren

Die nun unter dem Dach der Linux Foundation veröffentlichte Software dient dem einheitlichen Verteilen und Nutzen von ML-Modellen.

In Pocket speichern vorlesen Druckansicht
Acumous AI soll den Einsatz von Machine Learning standardisieren
Lesezeit: 2 Min.
Von
  • Rainald Menge-Sonnentag

LF Deep Learning, ein Projekt der Linux Foundation, hat das erste Release des Acumos-AI-Projekts veröffentlicht. Acumos AI ist eine Plattform und ein Framework zum Erstellen, Verteilen und Nutzen von Machine-Learning-Anwendungen (ML). Sie bietet einen standardisierten Infrastruktur-Stack, auf dem Entwickler und Data Scientists mit ebenfalls standardisierte Komponenten KI-Umgebung aufbauen können.

Die Linux Foundation hatte Acumos AI im März erstmals angekündigt. Das nun erschienene Athena-Release setzt zum Einrichten der Plattform auf Container mit Docker oder Kubernetes. Somit lassen sich die containerisierten KI-Anwendungen sowohl innerhalb der Cloud als auch im Rechenzentrum verwenden. Das gleichzeitige Erscheinen mit Microsofts auf den ersten Blick ähnlichen Ankündigung der Azure Cognitive Services Containers dürfte reiner Zufall sein, zumal es sich bei Acumos AI um ein allgemeines Projekt ohne Anbindung an spezifische Dienste handelt.

Die Macher unterteilen das Erstellen und Verteilen einer AI-Anwendung in vier Schritte.

(Bild: Acumos.org)

Eine grafische Benutzerschnittstelle hilft beim Kombinieren mehrerer Modelle und deren Anbindung an Data-Translation-Tools, Filter und Ausgabeadapter. Für die sichere Verteilung der Modelle von externen Werkzeugen in das Repository sorgen Security-Tokens. Schließlich bietet das Athena-Release ein Portal, mit dem Anwender die Sicht auf den Acumos-AI-Marktplatz individuell anpassen können und wohl auch Modelle nicht nur öffentlich, sondern auch privat teilen können.

Weitere Details lassen sich der Ankündigung entnehmen. Die Software ist über die Projektseite verfügbar. Das nächste Release ist für Mitte 2019 geplant. Es soll das Training von Modellen bequemer gestalten und Pipelines für die Datenextraktion bieten. Jenseits der technischen Neuerungen ist eine erweiterte Unterstützung auch geschlossener Lizenzmodelle geplant. (rme)