Een team van onderzoekers van de National University of Singapore (NUS) heeft Singapore op de wereldkaart van kunstmatige intelligentie (AI) en big data-analyse gezet. Hun open source-project, genaamd Apache SINGA, "afgestudeerd" aan de Apache Incubator op 16 oktober 2019 en is nu het eerste Top Level Project (TLP) van Zuidoost-Azië onder de Apache Software Foundation, 's werelds grootste open-source softwaregemeenschap.

Erkend worden als een TLP is geen geringe prestatie, aangezien Apache SINGA zich nu bij de leidende open-sourcetools zoals de Apache HTTP Server en Apache Kafka voegt. Hoewel de naam misschien niet meteen een belletje doet rinkelen, Apache Kafka maakt big data-oplossingen mogelijk bij Airbnb, LinkedIn, Netflixen, PayPal, Spotify en vele andere bedrijven. De Apache HTTP-server is de populairste webserver ter wereld en bedient momenteel 29 procent van alle actieve websites op internet.

Onder leiding van professor Ooi Beng Chin, Apache SINGA is in 2014 geïnitieerd door de Database System Research Group van NUS School of Computing samen met Zhejiang University en Netease. Het prototype werd in maart 2015 ingediend bij Apache Incubator. en de eerste officiële release vond plaats in oktober 2015. Sindsdien is de NUS-onderzoekers hebben steun gekregen van de National Research Foundation Singapore, Ministerie van Onderwijs, en het Agentschap voor Wetenschap, Technologie en onderzoek.

Prof Ooi zei, "In 2012 zagen we een toenemende vraag naar deep learning en machineplatforms. maar er was een gebrek aan efficiënte gedistribueerde platforms. Het afstuderen is een teken van erkenning voor Apache SINGA, maar dit is nog maar het begin. We hopen dat Apache SINGA een impact kan hebben op deep learning op dezelfde manier als Apache HTTP-servers deden voor websiteservers."

Deep learning is een subset van machine learning die kunstmatige neurale netwerken wil gebruiken om zinvolle inzichten te genereren uit grote hoeveelheden gegevens. Hoewel machine learning doorgaans mensen vereist om gestructureerde gegevens te verstrekken, deep learning kan zelf ruwe data structureren. Een voorbeeld is het identificeren van het beeld van een kat; machine learning vereist menselijke input om te definiëren dat een kat kenmerken heeft zoals snorharen, puntige oren en poten. Deep learning analyseert meerdere afbeeldingen van katten via verschillende algoritmen om alle functies zelf te bepalen, simuleren van een kunstmatig brein.

Echter, de beperking van deep learning is dat het een astronomische hoeveelheid gegevens vereist, die op hun beurt veel rekenkracht nodig hebben. Een typisch gecentraliseerd systeem zou een enkele supercomputer nodig hebben om al deze informatie te verwerken, wat voor de meeste organisaties geen optie is. De gedistribueerde systeembenadering van Apache SINGA helpt de behoefte aan een enkele supercomputer te overwinnen, aangezien deze de werklast over een groot aantal reguliere computers verdeelt.

Apache SINGA ondersteunt momenteel toepassingen in meerdere sectoren, waaronder de gezondheidszorg, bankieren en financiën, softwareontwikkeling en cyberbeveiliging. Een dergelijke toepassing is FoodLG, die beeldherkenning gebruikt om een ​​gerecht te identificeren op basis van de foto die door de eindgebruiker is geüpload.Vijf ziekenhuizen in Singapore gebruiken momenteel verschillende versies van FoodLG om gezond leven te bevorderen en ziektebeheer voor aandoeningen zoals diabetes te vergemakkelijken, hypertensie en hoog cholesterol.

Het National University Hospital (NUH) en het Singapore General Hospital maken ook gebruik van Apache SINGA om MRI- en röntgenbeelden te analyseren om de identificatie van gezondheidsproblemen te verbeteren. In aanvulling, NUH gebruikt modellen die zijn getraind op Apache SINGA voor modellering van ziekteprogressie en modellering van heropname van patiënten. Op het gebied van cyberbeveiliging, SecureAge ontwikkelt deep learning-modellen voor malwaredetectie met behulp van Apache SINGA om malware nauwkeuriger te identificeren, evenals het identificeren van nieuwe soorten malware op basis van gegevens uit het verleden. lokale banken, anderzijds, gebruiken Apache SINGA ook om modellen te ontwikkelen en te trainen voor risicomodellering en het oplossen van antiwitwascompliance.

De volgende stap voor Apache SINGA is het verbeteren van het systeem zodat zelfs niet-AI-experts het kunnen gebruiken en bereiden zich voor op het 5G-tijdperk door het te stroomlijnen voor gebruik op edge-apparaten.