Microsoft prevede di portare lintelligenza artificiale su Raspberry Pi

Ecco perché i sistemi di intelligenza artificiale si affidano a sensori locali per raccogliere i dati di input, mentre hardware più potente nel cloud gestisce il carico pesante dei dati di output. È così che funzionano Siri e Amazon Alexa, così IBM Watson risolve quasi ogni compito. Tuttavia, si tratta di un approccio limitato quando si tratta di creare un IoT più intelligente e di applicare l’intelligenza senza una connessione Internet.

“Il paradigma principale è che questi (sensori) sono inutili”, ha affermato Manil Varma, ricercatore senior presso Microsoft Research India.

Ora, il team di Varma in India e i ricercatori Microsoft a Redmond, Washington (l'intero progetto è guidato dal ricercatore Ofer Dekel) hanno scoperto come comprimere le reti neurali, le sinapsi di Machine. Impara da 32 bit fino, a volte, a solo un bit ed esegui su un Raspberry Pi da 10 dollari, un computer grande quanto una scheda, a basso consumo con molte porte e senza schermo. È davvero una scheda madre open source che può essere estratta ovunque. La società ha annunciato questa ricerca in un post sul blog.

Il ricercatore Ofer Dekel con un minuscolo microprocessore che un giorno potrebbe eseguire algoritmi di apprendimento automatico

Il lavoro di Microsoft fa parte di una tendenza più ampia, che avvicina il Machine Learning ai dispositivi e agli utenti finali.

All’inizio di questo mese alla conferenza WWDC, Apple ha annunciato una nuova API di Machine Learning (Vision & Natural Language) che consente agli sviluppatori di aggiungere intelligenza basata sul Machine Learning alle app con solo poche righe di codice. Hanno inoltre rivelato Core ML per gli sviluppatori con una conoscenza più approfondita dell'intelligenza artificiale per sfruttare appieno le sue capacità hardware. Il modello di Apple aiuta gli sviluppatori a insegnare gli algoritmi di machine learning sulla libreria fornita da Apple. Questo sistema convertirà quindi il codice per eseguire l'intelligenza artificiale sul dispositivo.

Ovviamente nel caso di Apple, l'hardware è in un iPhone da 700 dollari e la CPU è molto più potente di qualsiasi cosa si possa trovare su un Raspberry Pi. Ma anche questa tendenza è molto chiara. Queste aziende stanno avvicinando l’intelligenza artificiale ai dispositivi degli utenti, dove può fare meno affidamento sull’accesso a enormi quantità di dati nel cloud.

“Se stai guidando per strada e non riesci a connetterti alla rete, non vuoi che l'intelligenza artificiale smetta di funzionare. In effetti, è proprio allora che ne hai più bisogno”, ha detto Varma.

Con questo approccio, possiamo comprendere attività più semplici, basate su sensori, che possono essere apprese anche tramite posizione, intenzione, azioni recenti o dati del dispositivo. Nel breve termine, potrebbe essere la soluzione, ad esempio, per una terapia contro il cancro (una delle aree di interesse di Watson Al presso IBM).

Per Microsoft, questa svolta nel Raspberry Pi è semplicemente la prima fase nel flusso di lavoro di compressione delle reti neurali in modo che possano funzionare su microcontrollori gerarchici. Per raggiungere questo obiettivo, secondo Microsoft, il modello di Machine Learning deve essere 10.000 volte più piccolo. Questo è un problema su cui stanno ancora lavorando.

I ricercatori Microsoft stanno pianificando di portare l'intelligenza artificiale su Raspberry Pi

Contestualmente Microsoft ha anche rilasciato su GitHub una versione Preview dell'algoritmo di Machine Learning dimensionato per Raspberry Pi, dove gli sviluppatori potranno provarlo e sfruttarlo su Raspberry Pi 3 e Raspberry Pi Zero.

Dopotutto, questo fa parte della strategia Intelligent Edge di Microsoft che il CEO Satya Nadella ha delineato all'inizio dell'anno alla conferenza Microsoft Build. Microsoft spera di vedere piccoli processori basati sull’intelligenza artificiale diffondersi dagli uffici agli abiti che indossiamo.

Per Varma, che soffre anche di perdita della vista, la ricerca è un po' più personale. Il suo team sta sviluppando un prototipo di bastone da passeggio intelligente per illustrare la propria ricerca.