Tractable已成为众多使用人工智能改造传统行业的公司中的杰出成功案例。
其人工智能驱动的服务可以对事故和灾害情况进行即时评估,从而使保险公司和其他机构能够就如何最好地帮助受影响的人做出迅速的、知情的决定。
Tractable使用的技术非常引人瞩目,使公司现在得以为二十多家世界领先的保险公司提供损害评估。
对Tractable服务不断增加的需求和驱使其保持在人工智能创新前沿的动力,促使Tractable最近决定寻找一种新的计算解决方案,以帮助公司实现更大、更快的发展。
他们需要的技术应该能够加速Tractable当前工作负载,帮助公司的研究人员开发新的人工智能模型,尤其是计算机视觉领域内的模型。
他们找到了Graphcore,今年早些时候,Tractable开始将工作负载转移到IPU-POD系统上。
与他们之前使用的GPU相比,结果非常显著。
“我们看到速度提升了约5倍。”Tractable联合创始人兼首席技术官Razvan Ranca说,“这意味着一位研究人员现在可以运行的试验量是过去的五倍,也意味着我们可以加快整个研发过程,最终在我们的产品中得到更好的模型。”
在实现如此显著的性能改进后,Tractable现在正在将Graphcore系统部署到更广泛的业务上。Razvan Ranca解释说:“我们将与Graphcore团队合作,转移其他的工作负载到IPU系统上。”
技术与人才
Tractable在更大范围内部署Graphcore系统的行动释放出了公司致力于创新的强烈信号。
Tractable的业务对计算的要求非常高,需要使用和持续开发先进的人工智能模型。得益于其面向未来的架构,Graphcore的IPU能够出色完成此类工作负载。
Graphcore基于下一代人工智能的需求构建了一款处理器,该处理器足够灵活,允许对科学进行宽泛的解释,Graphcore能够帮助像Tractable这样的公司摆脱一个众所周知的现象,即,人工智能的发展倾向于使用最广泛部署的硬件(通常是GPU)的功能。
IPU让人工智能开发人员能够在大得多的调色板上尽情创作,这正是Tractable的团队正在尽情享受的事情。
“我们首先是一家机器学习公司。”Razvan Ranca具体解释说,“我们的技术是我们从事的工作的核心所在,也是我们的核心竞争力,因此我们将技术视作打造世界级团队、并让他们尽可能高效工作的关键所在。”
事故和灾害评估
Tractable处理的问题在很多方面都非常适合人工智能的应用。
当车辆、建筑物或其他事物因事故或者灾害损坏时,评估员通常要拍摄照片,评估损坏的规模和性质,计算维修、更换或者赔偿的费用。
直到最近,这个过程一直是高度模拟化的,需要在全程各个环节进行人工审核。这些人工干预经常造成瓶颈,也增加了沟通不畅的可能性。
Tractable的人工智能大大加速了这一过程,其准确性也类似于人工评估员。驾驶员在路边提交智能手机拍摄的车辆损坏照片的瞬间,它就可以生成详细的估价。
训练和再训练
Tractable的服务性质意味着它不能仅仅只训练一次模型,然后在其开展业务的每一个市场中都部署同一套解决方案。
就汽车而言,当公司进入新的市场,它所面对的车辆,哪怕是同一个汽车制造商和同一款车型,都具有不同的设计功能。其他差别也需要考虑,包括不同国家修理车辆的方法之间的差别。所有这些都需要Tractable在它提供服务的每一个领域里由人工智能加以学习,这就使得训练和模型改进成为Tractable的日常工作。
由于新模型的开发和优化是一个迭代的过程,效率提升(例如Graphcore实现的效率提升)带来的影响是多方面的。无法实现改善的试验可以在短得多的时间内就完成和放弃,而成功的模型调整则可以更快地得到测试和部署。
迄今为止,造就Tractable成功的两个特质是技术的快速进步和不断突破技术的边界。这也使得Tractable成为Graphcore的完美合作伙伴。
Tractable与云计算提供商iomart和Graphcore精英合作伙伴Boston Limited合作安装其IPU-POD系统。