Top

L'intelligenza artificiale di Baidu batte Google

'Settore riconoscimento immagini - Baidu, il gigante cinese dei motori di ricerca: ''abbiamo un nuovo supercomputer e guidiamo la corsa all’intelligenza artificiale''. '

L'intelligenza artificiale di Baidu batte Google

Redazione Modifica articolo

20 Maggio 2015 - 11.34


Preroll

OutStream Desktop
Top right Mobile
di Tom Simonite.

Middle placement Mobile

Dynamic 1
La società cinese Baidu ha realizzato un computer per accelerare la propria ricerca nell’intelligenza artificiale. 

Baidu,
il gigante cinese dei motori di ricerca, sostiene di aver inventato un
potente supercomputer per dare manforte a una tecnica di intelligenza
artificiale che mira a migliorare la capacità dei software di
comprendere parole, immagini e testi scritti.

Dynamic 2

Il nuovo computer, denominato Minwa e situato a Pechino, vanta 72
potenti processori e 144 processori grafici, conosciuti come GPU. Lunedì sera, Baidu ha pubblicato un documento
in cui afferma che il computer è stato utilizzato per addestrare un
software di apprendimento automatico col quale avrebbe stabilito un
nuovo record, battendo quello precedente di Google.

“La nostra società è ora in testa nella corsa all’intelligenza
artificiale”, ha detto Ren Wu, uno scienziato di Baidu che lavora al
progetto, in occasione dell’Embedded Vision Summit
che si è tenuto martedì. Se non fosse specializzato nell’apprendimento
approfondito, il Minwa rientrerebbe fra i 300 computer più potenti al
mondo, ha detto Wu. “Penso che questo sia il più veloce supercomputer
dedicato all’apprendimento approfondito. Abbiamo un grande potere fra le
mani – superiore a quello dei nostri competitori”.

Dynamic 3

La potenza di calcolo conta molto nel mondo dell’apprendimento
approfondito, che ha portato a importanti progressi nel riconoscimento
di parole, immagini e volti, ed ha migliorato i servizi di ricerca per
immagini e riconoscimento vocale offerti da Google e Baidu.

La tecnica è una versione potenziata di un approccio definito per la
prima volta dieci anni fa, in cui i dati vengono elaborati da una rete
di neuroni artificiali che gestiscono le informazioni ispirandosi ai
cervelli biologici. L’apprendimento approfondito comporta l’utilizzo di
reti neurali più grandi, disposte secondo gerarchie di strati, e il loro
addestramento utilizzando enormi raccolte di dati che sono formate da
foto, documenti di testo o registrazioni audio.

Dynamic 4

A differenza delle tecniche di apprendimento automatico, il cui
rendimento era in diminuzione nonostante l’aumento delle reti e dei dati
utilizzati per addestrare i software, l’apprendimento approfondito
continua a dare risultati sempre migliori. Stando a Baidu, Minwa
permetterebbe di creare una rete neurale artificiale con centinaia di
miliardi di connessioni – una quantità centinaia di volte superiore a
quella incontrata in qualunque altra rete realizzata in precedenza.

Un documento pubblicato
lunedì serve a offrire un assaggio delle capacità superiori del Minwa.
Descrive il modo in cui il supercomputer è stato utilizzato per
addestrare la rete neurale che ha stabilito il nuovo record in un
classico esercizio di riconoscimento delle immagini. L’ImageNet
Classification Challenge comporta l’addestramento del software con una
raccolta di 1,5 milioni di immagini, catalogate in 1.000 categorie
differenti, e la sua successiva interrogazione su un insieme di altre
100.000 immagini non ancora catalogate.

Dynamic 5

Il software viene valutato sulla base della frequenza con cui le sue
cinque risposte a una determinata immagine risultano errate. Il sistema
addestrato dal nuovo computer di baidu ha sbagliato solamente il 4.58
percento delle volte. Il record precedente, stabilito da Google nel mese
di marzo, era del 4,82 per cento. Il mese prima, Microsoft aveva raggiunto il 4,94 per cento, divenendo la prima società a superare la prestazione umana media del 5,1 per cento.

Wu ha detto che Minwa ha permesso di addestrare il sistema con immagini
ad alta risoluzione. Ha permesso inoltre di ricorrere a una tecnica
grazie alla quale è stato possibile convertire gli 1.2 milioni di
immagini in 2 miliardi di immagini distorte, capovolte ed alterate nei
colori. L’utilizzo di un set così ampio ha migliorato la precisione del
software impedendo al sistema di fissarsi troppo sui dettagli delle
immagini utilizzate nell’addestramento. Il sistema risultante, secondo
Wu, dovrebbe essere migliore nel gestire immagini del mondo reale.

Come suggerito dal graduale miglioramento nella sfida di ImageNet,
l’apprendimento approfondito è ormai pronto ad affrontare sfide più
avvincenti del riconoscimento di immagini, come l’interpretazione di
video o la descrizione di immagini con brevi periodi (vedi “Google’s Brain-Inspired Software Describes What It Sees in Complex Images“).
Stando a Wu, oltre a considerare nuovi metodi per migliorare Minwa ed
utilizzarlo su immagini e testi, i ricercatori di Baidu stanno lavorando
a soluzioni per ridurre le reti neurali in modo da poterle utilizzare
anche all’interno di dispositivi mobili.

Wu ha mostrato un prototipo di app per smartphone che è in grado di
riconoscere diverse razze di cani grazie a una versione condensata della
rete di apprentimento approfondito addestrata dal Minwa. “Sapendo come
attingere potenza di calcolo dal GPU di un telefono cellulare, è
possibile riconoscere l’immagine partendo direttamente dal sensore
imamgini”, ha detto.

(MO)


[GotoHome_Torna alla Home Page]

Native
Box recommendation

Articoli correlati

Outofpage
WebInterstitial Mobile