Le reti neurali non sono una novità in ambito mobile consumer. Da qualche mese conosciamo il Mate 10 Pro di Huawei e l’iPhone X di Apple, entrambi dotati di co-processore che realizza il sogno degli ingegneri: avere uno smartphone che pensa come l’uomo, o quasi. La promessa è sulla buona strada ma ben lungi dall’essere avverata. Il motivo? Dispositivi del genere beneficiano poco della presenza di un calcolo AI, se non per scattare foto con impostazioni automatiche e rispondere in maniera più veloci ad alcune operazioni, soprattutto quelle che prevedono l’utilizzo sincrono di informazioni prelevate in locale e dalla rete. Il MIT ha intenzione di migliorare il panorama dell’Intelligenza Artificiale per tutti, proponendo una soluzione creata nei propri laboratori.

Di cosa si tratta

Dopo aver comunicato l’arrivo di un chip pensato per rafforzare e gestire la crittografia in vari ambiti, ora il MIT ha divulgato la finalizzazione di un altro hardware capace di ridurre al minimo il consumo di batteria durante operazioni di una neural processing unit, cioè di una rete neurale simile a quella del Kirin 970 e dell’A11 Bionic. Stando alle analisi dei ricercatori, è del 95% il risparmio energetico rispetto alle soluzioni attuali, talmente ottimale da far pensare all’integrazione di un elemento del genere su qualunque smartphone e tablet che voglia salire di livello, adottando un’intelligenza superiore e capace di risolvere problemi avanzati (ovvero task) senza batter ciglio. Quando vedremo a bordo dei nostri telefonini il chip del MIT?

Probabilmente non così presto, anche perché ci sarebbero da effettuare tutti i test contestuali del caso e vari studi di fattibilità per l’integrazione su dispositivi complessi come i cellulari odierni. E poi, con le principali compagnie che hanno già sviluppato, in casa, le loro NPU, che vantaggio avrebbero ad affidarsi a fornitori terzi? Plausibile dunque che la tecnologia del Massachusetts Institute of Technology rappresenti solo un primo passo verso studi ulteriori, che troppo spesso restano dentro i laboratori. Basti pensare alle batterie a litio e ossigeno di cui si parla da anni.

L'articolo Il MIT ha un chip per l’intelligenza artificiale proviene da Data Manager Online.

Possiamo tranquillamente parlare di democratizzazione della tecnologia. Con l’Intel Movidius Neural Compute Stick, il produttore americano ha donato a sviluppatori e ricercatori uno strumento avanzato di analisi e comprensione del mondo per progetti digitali. Alla base c’è il solito concetto di rete neurale anche se scalata, sia in termini di potenza che di capacità, ma comunque utile a portare avanti interessanti lavori basati su un sistema di Intelligenza Artificiale. Quello che fa il set di pen USB è consentire ai tecnici di integrare un network di algoritmi organizzati nei loro software, in modo da farli avanzare di livello tramite una migliore comprensione dei pattern e di variabili riscontrati nell’ambiente di utilizzo. Il fine concreto di un tool del genere? Per Intel nel campo della sicurezza, della robotica, della realtà aumentata.

Come funziona

Si tratta di una prima storica per chi lavora nel settore dell’informatica e ha sempre guardato con interesse e ammirazione agli sviluppi delle reti neurali artificiali. Grazie alle tecnologie Intel Movidius e Real Sense, si potrà accedere al Movidius Neural Compute SDK con cui adattare e ottimizzare le capacità degli algoritmi ai propri progetti, sfruttando le API della piattaforma. Nel set di stick è presente la Vision Processing Unit Myriad 2, che permette di attivare reti neurali profonde direttamente dal device (fino a 100 gigaflops), e particolarmente indicata per dispositivi mobili e wearable. Il costo del Neural Compute Stick è di 79 dollari e attualmente è in vendita negli Stati Uniti. Non è escluso però un arrivo presso rivenditori autorizzati in Europa a breve o comunque l’apertura delle spedizioni tramite ordini online al di fuori del territorio USA.

L'articolo Intel ha messo una rete neurale dentro le pen USB proviene da Data Manager Online.

Marvin Minsky, uno dei primi ricercatori ad effettuare studi sull’intelligenza artificiale, si è spento all’età di 88 anni. Lo scienziato ha lavorato per anni al MIT di Boston e ha contribuito a creare nel 1959 il laboratorio che si occupa di questa tecnologia presso l’ateneo di Cambridge. Nei suoi libri più celebri, “La società della mente” e “The emotion machine“, Minsky teorizzava che l’avvento delle AI fosse sempre più vicino e che l’intelligenza artificiale avrebbe aiutato a comprendere anche il funzionamento del cervello umano. “Quando sapremo come funzionano le diverse parti del cervello – aveva detto il ricercatore in una vecchia intervista – potremo utilizzarle per costruire macchine intelligenti. Viceversa, se sappiamo costruire macchine intelligenti, possiamo verificare se anche il cervello utilizzi gli stessi meccanismi”.

Marvin Minsky nasce il 9 agosto 1927 a New York. Dopo la Seconda Guerra Mondiale, si laurea in matematica all’università di Harvard. Nel 1954 completerà il dottorato a Princeton e costruisce il suo primo simulatore di rete neurale. Nel 1958 comincia a dedicarsi all’informatica e alla ricerca sull’intelligenza artificiale. Durante la sua carriera, Minsky ha realizzato la prima versione del linguaggio di programmazione Logo, ha brevettato il microscopio confocale a scansione e ha creato la prima macchina di apprendimento casuale a rete neurale elettronica. Minsky ha inoltre collaborato con Stanley Kubrick per la realizzazione di “2001 Odissea nello Spazio” ed è stato insignito del premio Turing nel 1969 e della Medaglia Benjamin Franklin nel 2001. ”L’idea di intelligenza artificiale che abbiamo oggi la dobbiamo a Marvin Minsky.  – ha dichiarato Daniela Rus, direttore del laboratorio di intelligenza artificiale del MIT – Molte delle sfide che lui ha lanciato stanno ancora guidando e ispirando la ricerca sulle macchine intelligenti”.

L'articolo Scomparso Marvin Minsky, uno dei padri dell’AI proviene da Data Manager Online.

Ogni giorni riceviamo nella nostra casella di posta numerose e-mail spam che possono contenere malware e software pericolosi per la sicurezza dei propri device. Gmail ha introdotto un nuovo strumento per combattere in modo più efficiente questo tipo di problema. Google, che ha lanciato in Israele la sua app per il carpooling realizzata in collaborazione con Waze, ha affermato che in media solo lo 0,1% dei messaggi è considerato spam ma alcune e-mail potrebbero essere segnalate come malevole quando in realtà non lo sono. Postmaster Tool è una nuova funzione che grazie alle reti neurali applica una selezione migliore rispetto alle soluzioni precedenti.

Postmaster Tools: Gmail personalizza i filtri anti-spam

“Postmaster Tools è progettato per gli amministratori e fornisce informazioni sugli errori di consegna, rapporti di spam e reputazione“, ha spiegato Sri Harsha Somanchi, product manager di Google, in un post sul blog ufficiale dell’azienda. Attualmente gli utenti possono etichettare da sé i messaggi come spam ma non tutte le conversazioni possono essere considerate fastidiose dalle stesse persone. “Così, il tuo vicino di casa può amare le newsletter settimanali, mentre tu puoi detestarle – ha continuato Somanchi – Con i progressi nel machine learning, il filtro antispam può ora riflettere queste preferenze individuali”. Postmaster Tools sfrutta quindi una rete neurale che apprende dalle azioni dell’utente per personalizzare i filtri anti-spam sulle sue esigenze. In particolare, il nuovo tool identifica correttamente i messaggi inviati da un utente legittimo ma considerati indesiderati.

L'articolo Gmail: reti neurali per combattere lo spam proviene da Data Manager Online.

Decine di team di ricerca in tutto il mondo stanno tentando di riprodurre il funzionamento del nostro cervello con componenti artificiali. L’organo più complesso del corpo umano è anche il più efficiente nella raccolta, stoccaggio ed elaborazione delle informazioni. In Australia, un gruppo di scienziati dell’università Rmit di Melbourne ha creato una memoria miniaturizzata in grado di immagazzinare le informazioni in modo molto simile a quello che avviene nel nostro cervello.

Una micro-memoria che agisce come il cervello umano

La memoria creata dai ricercatori australiani è 10mila volte più sottile di un capello ed è in grado di immagazzinare ed elaborare simultaneamente le informazioni esattamente come avviene nel cervello umano. La particolarità di questa tecnologia risiede nella sua natura analogica e nella capacità di variare l’intensità luminosa del flusso di informazioni. “Avere un interruttore varialuce offre molta più flessibilità per quanto riguarda la quantità di luce che si vuole usare. La memoria analogica funziona in modo simile se comparata a quella digitale: offre maggiore flessibilità per quanto riguarda quali informazioni si vuole immagazzinare e quali funzionalità ottenere”, ha spiegato l’autore principale della ricerca, Hussein Nili.

I campi di applicazione della nano-memoria sono molteplici. Gli scienziati sperano di utilizzarla in futuro per migliorare le condizioni di salute di pazienti affetti da malattie degenerative del cervello come il morbo di Alzheimer e per costruire le prime vere e proprie reti neurali non biologiche. Inoltre, secondo il co-autore Sumeet Walia, questa tecnologia potrà essere sfruttata anche per la ricerca sull’intelligenza artificiale. Sebbene la creazione di una macchina senziente segnerebbe un passo epocale per l’umanità, sono in molti a temere che questa potrebbe diventare un pericolo per l’uomo. Il patron di Tesla Elon Musk e il fisico teorico Stephen Hawking ritengono infatti che l’intelligenza artificiale potrebbe distruggere la nostra civiltà una volta ottenuta la coscienza di sé.

L'articolo Manca poco alla nascita di un cervello bionico proviene da Data Manager Online.

Oggi ricorre il primo anno dal lancio della Brain Initiative, un progetto di ricerca sul cervello sovvenzionato dal Governo USA per indagare i misteri di questo straordinario organo di cui è stata scoperta la zona dove risiede l’ansia. Per quest’occasione sono stati presentati i primi risultati di due diversi studi. Il primo riguarda la codifica dei geni dei neuroni per scoprire come il cervello ne gestisce l’attivazione, mentre il secondo ha fornito la prima mappa di una rete neurale di un topo.

Un aiuto contro l’autismo

I ricercatori dell’Allen Istitute for Brain Science hanno utilizzato i dati del BrainSpan Atlas, disponibili per tutti gli scienziati presso l’Allen Brain Atlas, per realizzare un mappa in HD del cervello umano. Il modello segnala dettagliatamente tutti i punti della corteccia in cui i differenti geni si attivano e disattivano nel corso dello sviluppo durante la gravidanza. “Sapere dove un gene viene espresso nel cervello è in grado di fornire potenti indizi sul suo ruolo”, ha spiegato Ed Lein, ricercatore dell’Istituto.

La mappa è stata particolarmente utile per scoprire i geni ritenuti responsabili dell’autismo, patologia che si sviluppa proprio durante la gestazione. “Abbiamo usato le mappe per trovare un hub dell’azione genetica che potrebbe essere collegato all’autismo, e posso dire che ne abbiamo identificato uno”, ha affermato Lein.

La prima mappa di una rete neurale

Il team di ricerca dell’Allen Istitute guidato da Hongkui Zeng ha invece realizzato la prima mappa della connettività neurale del cervello di un mammifero, nello specifico di un topo. Il progetto permette di vedere nel modo più dettagliato mai realizzato come le diverse regioni del cervello del roditore comunicano tra loro. Secondo gli esperti, una ricerca di questo tipo potrà essere utile per mappare in seguito anche le reti neurali umane.

L'articolo Brain Initiative: scoperti nuovi e straordinari segreti del cervello proviene da Data Manager Online.

Il futuro dell’informazione sembra correre sulla luce. Dopo il primo chip a fotoni creato in collaborazione da diversi dipartimenti di Fisica italiani, l’Istituto nanoscienze del Consiglio nazionale delle ricerche (CnrNano) e l’Istituto italiano di tecnologia (Iit) hanno realizzato il primo transistor che funzione a segnali esclusivamente ottici. Il nuovo sistema sfrutta le particelle quantistiche chiamate polaritoni ed è in grado di assolvere le normali operazioni eseguite da un computer.

Come funziona

“Il transistor che abbiamo realizzato – spiega Daniele Sanvitto di CnrNano di Lecce –  restituisce in uscita un segnale amplificato di circa 20 volte e in grado di dare l’input a un transistor successivo: è quindi possibile assemblarne diversi in cascata, il primo passo per creare circuiti ottici”. “Grazie a segnali compatibili, è la prima volta che più transistor ottici funzionano in serie. Lo studio – continua Sanvitto  – mostra che assemblando tre transistor polaritonici è possibile realizzare i circuiti noti come porte logiche AND e OR, che sono i mattoni fondamentali della logica binaria delle operazioni alla base di ogni computer”.

Il futuro dell’informatica

Il transitor a polaritoni apre nuovi e straordinari scenari nell’informatica. Le strutture per la trasformazione dei segnali saranno più veloci ed economiche e poiché  il sistema può “ricevere più segnali di input, si possono immaginare circuiti che operano con la logica di tipo neuronale”.

Attualmente l’utilizzo di segnali luminosi per il trasporto dell’informazione è studiato anche per la fibra ottica. L’Università di Boston ha pensato di utilizzare i “vortici di luce” per far viaggiare i dati fino a 1,6 terabit (1.600 gigabit) al secondo.

L'articolo Il Cnr realizza il primo transistor che sfrutta la luce proviene da Data Manager Online.

NVIDIA annuncia di aver collaborato con un team di ricerca della Stanford University per creare la più grande rete neurale al mondo, che è stata realizzata per simulare come la mente umana impara. Questa rete è 6,5 volte maggiore di quella precedente che deteneva il record e che era stata sviluppata da Google nel 2012.

Le reti neurali simulate a computer sono capaci di imparare come fa la mente umana, incluso il riconoscimento degli oggetti, delle persone, delle voci e dei suoni.

Creare reti neurali su larga scala è molto dispendioso in termini di risorse computazionali. Per esempio, Google ha utilizzato server basati su circa 1.000 CPU o 16.000 core CPU per sviluppare la sua rete neurale, che aveva imparato a riconoscere i gatti in una serie di video di YouTube. La rete comprendeva 1,7 miliardi di parametri e la rappresentazione virtuale delle connessioni tra neuroni.

Al contrario, il team di Stanford, guidato da Andrew NG, direttore dell’Artificial Intelligence Lab dell’Università, ha creato una rete della stessa entità con solo tre server, utilizzando le GPU NVIDIA per processare più velocemente la gran mole di dati generati dalla rete. Con 16 server accelerati da GPU NVIDIA, il team ha dato vita una rete neurale con 11,2 miliardi di parametri, ossia 6,5 volte maggiore di quella annunciata da Google nel 2012.

Tanto più grande e potente è la rete neurale, quanto più accurato è, ad esempio, il riconoscimento di oggetti, consentendo ai computer di avvicinarsi di più al modello della mente umana. Un documento relativo alla ricerca di Stanford è stato pubblicato ieri in occasione dell’International Conference on Machine Learning.

“Offrendo livelli decisamente superiori rispetto alle prestazioni delle CPU, gli acceleratori GPU portano alle masse i modelli di rete neurale su larga scala.”, ha dichiarato Sumit Gupta, general manager of the Tesla Accelerated Computing Business Unit di NVIDIA. “Qualsiasi ricercatore o azienda può ora utilizzare le ‘macchine’ per risolvere tutti i problemi di vita reale con solo pochi server accelerati da GPU.”

Gli acceleratori GPU al cuore dell’Apprendimento Automatico

L’apprendimento automatico, una branca in forte espansione nell’ambito dell’Intelligenza Artificiale (AI), si occupa di far agire i computer senza essere stati esplicitamente programmati. Nel decennio passato, questa scienza ci ha consentito di arrivare alle “self-driving car”, a una ricerca web efficiente e a una comprensione più approfondita del genoma umano. Molti ricercatori credono sia il miglior modo per fare progressi verso l’AI di livello umano.

Una delle Aziende che utilizzano le GPU in quest’area è Nuance, Azienda leader nello sviluppo del software di riconoscimento vocale. Nuance “allena” i suoi modelli di rete neurale per riconoscere diverse parole, utilizzando migliaia di ore di audio. Una volta che i modelli sono stati “allenati”, possono riconoscere il modello delle parole parlate unendole a quelle imparate in precedenza.

“Le GPU stanno significativamente velocizzando il training su grandi quantità di dati, consentendoci di esplorare rapidamente algoritmi e tecniche per l’apprendimento”, ha affermato Vlad Sejnoha, chief technology officer di Nuance. “I modelli che ne risultano migliorano l’accuratezza di tutte le tecnologie di Nuance nell’ambito dei mercati dell’healthcare, dell’enterprise e del mobile-consumer”.

NVIDIA esporrà in occasione dell’International Supercomputing Conference (ISC) 2013 a Lipsia, in Germania, questa settimana, dal 16 al 20 Giugno, presso lo stand #220.

L'articolo Le GPU alla base della nuova più grande rete neurale artificiale al mondo proviene da Data Manager Online.