L'elaborazione sul dispositivo e l'intelligenza artificiale vanno di pari passo

In collaborazione con Qualcomm

Che si tratti di guidare un veicolo autonomo, utilizzare il riconoscimento facciale per accedere al tuo conto bancario o proteggere il tuo dispositivo dalle minacce alla sicurezza in rapida evoluzione, l'intelligenza artificiale (AI) sta giocando un ruolo più importante nelle nostre vite. In passato per questa elaborazione era richiesta la potenza del cloud, ma i dispositivi edge, come smartphone e droni, sono ora attrezzati per eseguire operazioni di intelligenza artificiale ad alta intensità di calcolo. Infatti, in molti casi, il dispositivo perimetrale è la piattaforma preferita per l'esecuzione di applicazioni basate sull'intelligenza artificiale.

La realtà è che oggi stanno emergendo più applicazioni di intelligenza artificiale di quanto la maggior parte di noi creda. Quando un dispositivo è dotato di intelligenza artificiale, può espandere e migliorare notevolmente le nostre vite, sia catturando immagini e video più nitidi, comunicando con noi in modo più naturale, sia percependo l'ambiente e guidandoci autonomamente verso la nostra destinazione in sicurezza.

L'intelligenza artificiale è un termine generico progettato per comprendere tutto ciò che aiuta un dispositivo a replicare il cervello umano, afferma Gary Brotman, direttore della gestione dei prodotti per Qualcomm. L'apprendimento automatico (ML) è un'ampia classe di tecniche e algoritmi per risolvere i problemi che rendono possibile l'IA. La classe su cui ci concentriamo è il deep learning (DL) e le reti neurali ricorrenti (RNN), in esecuzione sul dispositivo reale.

Il significativo miglioramento degli algoritmi di intelligenza artificiale e dell'elaborazione sul dispositivo, due ingredienti cruciali per rendere l'IA onnipresente, stanno portando a esperienze utente più fluide e avvincenti. Ciò è particolarmente vero poiché le funzionalità basate sull'intelligenza artificiale si spostano su veicoli, dispositivi domestici e sensori Internet of Things (IoT). Le capacità percettive e cognitive migliorate grazie alle numerose tecnologie sotto l'ombrello dell'IA, come ML, DL e RNN, ora possono essere eseguite sui moderni dispositivi perimetrali.

Ad esempio, l'IA sul dispositivo può migliorare il riconoscimento delle immagini e l'elaborazione avanzata delle immagini, come la produzione di effetti bokeh (uno sfondo sfocato morbido) e i trasferimenti di stile. I dispositivi dotati di intelligenza artificiale possono anche imparare a riconoscere parole chiave e voci, migliorando la loro risposta al consumatore e aiutando nella traduzione in lingua straniera.

Inoltre, l'IA può aiutare i dispositivi e le app a diventare più consapevoli delle preferenze dell'utente e dell'ambiente circostante, comprendere le intenzioni e rispondere in modi contestualmente pertinenti. L'intelligenza artificiale sul tuo dispositivo si traduce in un'esperienza più ricca dal punto di vista contestuale, afferma Brotman. E nel tempo il tuo dispositivo sarà in grado di prevedere e avere una comprensione più profonda di ciò che farai dopo.

AI nelle tue mani

L'IA sul dispositivo offre numerosi vantaggi significativi. Il primo è la performance. L'elaborazione sul dispositivo è solo più veloce, nessun viaggio di andata e ritorno verso il cloud, afferma Brotman. La privacy è la prossima volta. Le persone si sentono a proprio agio nel condividere alcuni dati personali, ma non tutti. E il terzo è l'affidabilità. Le reti mobili sono pervasive, ma non c'è alcuna garanzia che avrai sempre una connessione.

Prestazione: L'esecuzione di algoritmi di intelligenza artificiale sul dispositivo, indipendentemente dal cloud, può migliorare notevolmente i tempi di risposta e l'efficienza, poiché non è necessario trasferire i dati tra il cloud e il dispositivo. Questo è importante perché le funzionalità di intelligenza artificiale mobile tendono a essere sensibili al tempo per l'esperienza dell'utente e il processo decisionale.

Le app di intelligenza artificiale tendono ad essere in tempo reale e mission-critical, afferma Jeff Gehlhaar, vicepresidente della tecnologia di Qualcomm. Molti casi d'uso dell'IA che migliorano un'esperienza non possono permettersi la latenza.

Un veicolo autonomo che deve azionare i freni, ad esempio, non può permettersi nemmeno un millisecondo di latenza che potrebbe derivare dall'elaborazione cloud. Le decisioni devono essere prese in una frazione di secondo affinché il veicolo possa operare in sicurezza.

In termini di esperienza utente, un'interfaccia utente vocale naturale può tollerare solo così tanta latenza. Gli utenti sono abituati a risposte immediate quando utilizzano un'interfaccia vocale per l'elaborazione del linguaggio naturale e le ripercussioni dei ritardi di rete porteranno a esperienze negative.

Privacy e sicurezza: La conservazione dei dati sul dispositivo garantisce la privacy e l'intelligenza artificiale viene utilizzata anche per l'autenticazione biometrica tramite voce, impronte digitali, iride e riconoscimento facciale. L'uso del viso per sbloccare un dispositivo sta diventando un'abitudine, afferma Brotman. E il riconoscimento facciale 3D sta emergendo per fornire un più alto grado di autenticità per abilitare i pagamenti mobili.

L'elaborazione sul dispositivo delle applicazioni di intelligenza artificiale può anche aumentare sia il dispositivo che la sicurezza dei dati mantenendo un occhio vigile per comportamenti aberranti. L'intelligenza artificiale può aiutare a rilevare malware e comportamenti anomali, afferma Gehlhaar. Possiamo addestrare la rete neurale per vedere come si comportano i cattivi attori. E può rilevare quei comportamenti scorretti, come chiedere: 'Perché l'applicazione della mia fotocamera apre il mio database dei contatti?'

Affidabilità: Anche nelle aree più avanzate del mondo, la copertura della rete mobile non è onnipresente. Quando si tratta di determinate funzionalità basate sull'intelligenza artificiale, tuttavia, non c'è spazio per errori. I veicoli autonomi semplicemente non possono permettersi di subire una caduta del segnale wireless, come potrebbe verificarsi entrando in un tunnel o in un parcheggio. L'elaborazione sul dispositivo, oltre ad altre funzionalità di ridondanza, sarà sempre un requisito per usi mission-critical come la guida autonoma.

Portare l'IA ai dispositivi perimetrali

Sebbene queste funzioni di intelligenza artificiale ora possano essere eseguite sul dispositivo, il cloud ha ancora un ruolo, in particolare come complemento all'elaborazione sul dispositivo. Le app di intelligenza artificiale si basano ancora su piattaforme cloud per gestire i big data e per addestrare i modelli di rete neurale che guidano l'inferenza dell'IA.

Gli stessi dispositivi perimetrali devono inoltre essere attrezzati per eseguire efficacemente i carichi di lavoro dell'IA. Ad esempio, l'elaborazione deve avvenire entro i vincoli della piattaforma, inclusi il consumo energetico e i limiti termici. I processori di applicazioni con diversi motori di elaborazione sono particolarmente adatti per eseguire in modo efficiente le attività di intelligenza artificiale. La piattaforma mobile Qualcomm Snapdragon, ad esempio, è dotata di tre motori di elaborazione separati: un'unità di elaborazione centrale (CPU), un'unità di elaborazione grafica (GPU) e un processore di segnali digitali (DSP) con capacità di elaborazione vettoriale, che svolgono tutti ruoli chiave nell'IA sul dispositivo.

Con l'elaborazione eterogenea, ci sono una varietà di motori diversi all'interno del chip per elaborare in modo più efficiente una determinata attività, afferma Pat Lawlor, responsabile dello staff tecnico di marketing di Qualcomm. La CPU, la GPU e il DSP hanno diversi punti di forza e di debolezza e possono lavorare insieme o separatamente, a seconda dell'attività di intelligenza artificiale. Si completano a vicenda e le attività di intelligenza artificiale vengono eseguite sui motori appropriati per prestazioni elevate a bassa potenza.

La maggiore potenza di elaborazione integrata nei chipset dei moderni dispositivi edge li aiuta a gestire l'elaborazione intensa. Ad esempio, il Qualcomm Hexagon 685 DSP, la GPU Adreno 630 e la CPU Kryo 385 dello Snapdragon 845 possono fornire un'elaborazione dell'IA da due a tre volte più veloce rispetto alla generazione precedente. Hexagon DSP, ad esempio, è stato originariamente progettato per carichi di lavoro vettoriali ad alta intensità di matematica come l'elaborazione audio e continua a essere migliorato per affrontare i carichi di lavoro dell'IA, come l'accelerazione delle reti neurali durante l'inferenza dell'IA.

Quali sono le prospettive per l'IA mobile?

L'IA mobile è un mercato in rapida crescita. Con i continui progressi nelle reti neurali, negli algoritmi DL e nella progettazione dell'hardware, vedremo enormi miglioramenti in termini di precisione e velocità, oltre a nuove esperienze utente coinvolgenti.

Nel più ampio universo della mobilità, anche le reti wireless 5G sono all'orizzonte. L'IA migliorerà e aumenterà il 5G e viceversa, afferma Brotman. Il 5G consentirà ai dispositivi di comunicare più liberamente tra loro per condividere dati e condividere il contesto. Con questo sviluppo, sperimenteremo un universo completamente connesso di dispositivi perimetrali intelligenti, facilitando esperienze utente più personalizzate e in tempo reale.

Le nostre vite oggi sono arricchite dalle capacità dei nostri dispositivi e il nostro futuro sarà sempre più migliorato dai progressi compiuti nell'IA. La convergenza di queste due potenti tendenze sta già plasmando le esperienze nella nostra vita personale e lavorativa.

Per ulteriori informazioni sull'IA sul dispositivo, visita qualcomm.com/artificial-intelligence .

nascondere