Un’interessante ricerca, realizzata da IBM Research di Zurigo in collaborazione con il Politecnico di Zurigo (ETH) e con l’Università di Bologna, verrà presentata in questi giorni durante la conferenza NeurIPS di Vancouver.
Florian Scheidegger, Costas Bekas e l’italiano Cristiano Malossi, scienziati di IBM che hanno preso parte al progetto, riveleranno il primo algoritmo di IA in grado di sintetizzare automaticamente le reti neurali profonde per rendere efficienti i sistemi di classificazione delle immagini nei dispositivi IoT, dalle apparecchiature domestiche intelligenti alle auto senza conducente.
Oggi sono già molto diffusi i dispositivi IoT che fanno leva sull’IA. Tuttavia, i modelli di AI tradizionali non sono progettati per rispondere alle necessità superiori dei dispositivi IoT più innovativi, a causa della memoria limitata, dell’elevato consumo di energia e minore velocità di reazione.
In un’auto senza conducente, ad esempio, una rete neurale all’avanguardia potrebbe essere in grado di identificare un essere umano che attraversa la strada di notte con elevata precisione, ma probabilmente l’identificazione richiederebbe troppo tempo per prevenire un incidente.
Il nuovo algoritmo di IA si focalizza sui principali requisiti prestazionali di un determinato caso d’uso e semplifica la ricerca di modelli di reti neurali profonde efficienti. Nell’ambito delle auto senza conducente, i modelli IBM per la classificazione delle immagini sintetizzate verrebbero eseguiti in millisecondi, lasciando così al veicolo il tempo necessario per intercettare ed evitare un pedone.
Nei test eseguiti fino ad oggi, la ricerca dell’architettura di rete neurale profonda ha dimostrato di poter generare modelli di intelligenza artificiale efficienti, in grado di operare su hardware a basso costo, con una precisione maggiore rispetto a quanto attualmente disponibile sul mercato. Tale tecnologia può essere applicata anche a dispositivi IoT differenti, offrendo un nuovo modo di semplificare i sistemi di back-end.
Attraverso questo link è possibile accedere alla ricerca originale
