Il deep learning è uno dei campi di ricerca più interessanti sui quali molte aziende del mondo IT stanno lavorando, sfruttabile in vari ambiti (per distinguere, ad esempio, un cane da un gatto, varie tipologie di uccelli e piante) e destinato ad accompagnare lo sviluppo di molti settori applicativi.
Le architetture di apprendimento profondo richiedono normalmente l’interrogazione di potenti cloud server ma se ci troviamo in luoghi nei quali non è possibile accedere alla rete, la bontà di queste tecnologie diventa inutile. Molte aziende IT sono al lavoro per consentire l’esecuzione di funzionalità di deep learning su dispositivi portatili e tra queste c’è Microsoft che esplora la possibilità di mettere a disposizione algoritmi di questo tipo in dispositivi come il Raspberry Pi.
L’obiettivo – spiega Engadget – è integrare funzionalità legate all’intelligenza artificiale (AI) in dispositivi “stupidi” quali irrigatori, protesi mediche e sensori per il terreno, senza che questi siano necessariamente collegati in rete.
All’idea stanno lavorando team dei Microsoft Labs di Redmond e Bangalore (India). Ofer Dekel, alla guida di un gruppo che si occupa di ottimizzare funzionalità AI presso i Redmond Lab, era alla ricerca di un modo per impedire agli scoiattoli di mangiare i bulbi dei fiori e i semi da una casetta per gli uccelli. Ha addestrato un sistema di computer vision per riconoscere gli scoiattoli sfruttando il codice su un Raspberry Pi 3 da 35$. Quando i roditori sono nelle vicinanze, viene automaticamente attivato il sistema di irrogazione, tenendoli lontani.
“Qualsiasi hobbista che ha un Raspberry Pi sarebbe in grado di farlo” spiega Dekel nel blog Microsoft ma aggiungendo che “solo pochi potrebbero”. Il problema è che è poco pratico e troppo costoso sfruttare chip molto potenti o dispositivi connessi al cloud per elementi quali i sensori per gli scoiattoli. Si può comunque ovviare sfruttando un Raspberry Zero da 10$ o il chip Cortex M0 (il più piccolo della famiglia). Per rendere possibile sfruttare il meccanismo su un dispositivo con pochi kilobyte di memoria RAM, il team ha compresso le funzionalità di una rete neurale usando meno bit anziché i 32 tipicamente usati. Altra tecnica è la “sparsità” degli algoritmi – meccanismi che consentono di evincere caratteristiche peculiari di un segnale, altrimenti celate o di difficile deduzione – rimuovendo le ridondanze. Applicando queste tecniche, il team è riuscito a creare un veloce sistema di rilevamento delle immagini eseguibile su un Raspberry Pi 3 senza perdita di precisione.
Arrivare al passo successivo (la creazione di una rete neurale) non sarà ad ogni modo facile. “Non c’è modo di prendere una rete per l’apprendimento approfondito accurata come quelle odierne e fare in modo che sia utilizzabile con risorse 10.000 volte inferiori. Non si può fare” spiega Dekel. Per questo sono al lavoro su un nuovo approccio dell’AI tagliato su misura per dispositivi a bassa potenza, qualcosa che non è di semplice attuazione considerando che ancora oggi si conosce poco il funzionamento dei sistemi di deep learning.
Microsoft sta intanto lavorando a progetti destinati a persone con disabilità, come ad esempio un bastone in grado di individuare le cadute e chiedere soccorso e guanti “smart” in grado di interpretare la lingua dei segni. Per ottenere contributi da terzi e nuove idee, alcuni algoritmi e strumenti di apprendimento sono stati messi su Github a disposizione di appassionati che lavorano con il Raspberry Pi e altri ricercatori.
