Se l'intelligenza artificiale può fare a meno della rete | 01net: "La potenza elaborativa a bordo dei dispositivi mobili e comunque perimetrali, può rendere possibile il funzionamento di intelligenza artificiale senza che vi sia il supporto di reti di tipo Wide Area Network.
I ricercatori che lavorano su un progetto all'Università di Waterloo, che contrariamente a quano si possa pensare non è situata in Belgio, ma è nei pressi di Toronto in Ontario, Canada, affermano di essere in grado di far sì che l'intelligenza artificiale si adatti man mano che la potenza computazionale e la memoria vengono rimosse.
E se lo facessero, infatti, permetterebbero alle reti neurali di funzionare liberamente. I vantaggi? Una migliore privacy, minori costi di gestione dei dati, portabilità e utilizzo delle applicazioni di intelligenza artificiale in aree geograficamente remote.
Gli scienziati canadesi dicono di poter insegnare all'intelligenza artificiale che per imparare che non ha poi bisogno di molte risorse.
L'intelligenza artificiale si evolve e si adatta
Il gruppo sostiene di ispirarsi al comportamento della natura, collocando la rete neurale in un ambiente virtuale.
Poi la rete viene progressivamente e ripetutamente privata di risorse.
L'Intelligenza artificiale si evolve e si adatta, dicono i membri del team. Il motore impara essenzialmente a lavorare intorno al fatto che non ha enormi risorse su cui attingere.
L'intelligenza artificiale risponde adattandosi e cambiandosi per continuare a funzionare sostengono i ricercatori.
Ogni volta che il potere computazionale o la memoria viene rimossa dall'intelligenza artificiale sperimentale della scuola, diventa più piccola ed è in grado di sopravvivere in questi ambienti.
L'installazione di un motore di deep learning su un chip per l'uso in robot, smartphone o droni, dove connettività e peso possono costituire dei problemi, sono possibili usi per la tecnologia. Quando messo su un chip e incorporato in uno smartphone, l'Ia compatto potrebbe funzionare con il suo assistente virtuale attivato a voce e altre funzioni intelligenti.
L' intelligenza artificiale artificiale autonoma dell'Università di Waterloo non è però la prima Ia di bordo. Indipendentemente dal progetto Waterloo, all'inizio di quest'anno Intel ha lanciato il suo Movidus neural compute stick.
Quel dispositivo di calcolo neurale plug-and-play è orientato alla prototipazione e quindi all'implementazione di reti di visione neurale nell’edge senza bisogno di Internet. Non è più grande di una chiavetta di memoria del computer.
La tecnologia di Movidius viene utilizzata anche nel kit di Google basato su Raspberry Pi Aiy Vision Kit, un processore di visione neurale fai-da-te per la telecamera Pi che costa meno di 50 dollari.
Anche in questo caso, non è necessaria alcuna rete. Il software basato su Google TensorFlow è in grado di riconoscere oggetti comuni, volti e animali. L'elaborazione della visione di Movidius è ora disponibile anche nelle telecamere di sicurezza, nei droni e nelle macchine industriali.
Nel caso del progetto dell'Università di Waterloo, i ricercatori affermano di essere stati in grado di ottenere una riduzione di 200 volte delle dimensioni del software di Intelligenza Artificiale per il riconoscimento degli oggetti.
A ciò si aggiunge l'assenza di un bisogno di una rete, e questo potrebbe essere un enabler in molti campi in cui la gente sta lottando per ottenere l'intelligenza artificiale profonda di apprendimento in una forma operativa."
I ricercatori che lavorano su un progetto all'Università di Waterloo, che contrariamente a quano si possa pensare non è situata in Belgio, ma è nei pressi di Toronto in Ontario, Canada, affermano di essere in grado di far sì che l'intelligenza artificiale si adatti man mano che la potenza computazionale e la memoria vengono rimosse.
E se lo facessero, infatti, permetterebbero alle reti neurali di funzionare liberamente. I vantaggi? Una migliore privacy, minori costi di gestione dei dati, portabilità e utilizzo delle applicazioni di intelligenza artificiale in aree geograficamente remote.
Gli scienziati canadesi dicono di poter insegnare all'intelligenza artificiale che per imparare che non ha poi bisogno di molte risorse.
L'intelligenza artificiale si evolve e si adatta
Il gruppo sostiene di ispirarsi al comportamento della natura, collocando la rete neurale in un ambiente virtuale.
Poi la rete viene progressivamente e ripetutamente privata di risorse.
L'Intelligenza artificiale si evolve e si adatta, dicono i membri del team. Il motore impara essenzialmente a lavorare intorno al fatto che non ha enormi risorse su cui attingere.
L'intelligenza artificiale risponde adattandosi e cambiandosi per continuare a funzionare sostengono i ricercatori.
Ogni volta che il potere computazionale o la memoria viene rimossa dall'intelligenza artificiale sperimentale della scuola, diventa più piccola ed è in grado di sopravvivere in questi ambienti.
L'installazione di un motore di deep learning su un chip per l'uso in robot, smartphone o droni, dove connettività e peso possono costituire dei problemi, sono possibili usi per la tecnologia. Quando messo su un chip e incorporato in uno smartphone, l'Ia compatto potrebbe funzionare con il suo assistente virtuale attivato a voce e altre funzioni intelligenti.
L' intelligenza artificiale artificiale autonoma dell'Università di Waterloo non è però la prima Ia di bordo. Indipendentemente dal progetto Waterloo, all'inizio di quest'anno Intel ha lanciato il suo Movidus neural compute stick.
Quel dispositivo di calcolo neurale plug-and-play è orientato alla prototipazione e quindi all'implementazione di reti di visione neurale nell’edge senza bisogno di Internet. Non è più grande di una chiavetta di memoria del computer.
La tecnologia di Movidius viene utilizzata anche nel kit di Google basato su Raspberry Pi Aiy Vision Kit, un processore di visione neurale fai-da-te per la telecamera Pi che costa meno di 50 dollari.
Anche in questo caso, non è necessaria alcuna rete. Il software basato su Google TensorFlow è in grado di riconoscere oggetti comuni, volti e animali. L'elaborazione della visione di Movidius è ora disponibile anche nelle telecamere di sicurezza, nei droni e nelle macchine industriali.
Nel caso del progetto dell'Università di Waterloo, i ricercatori affermano di essere stati in grado di ottenere una riduzione di 200 volte delle dimensioni del software di Intelligenza Artificiale per il riconoscimento degli oggetti.
A ciò si aggiunge l'assenza di un bisogno di una rete, e questo potrebbe essere un enabler in molti campi in cui la gente sta lottando per ottenere l'intelligenza artificiale profonda di apprendimento in una forma operativa."
'via Blog this'
Nessun commento:
Posta un commento