Intelligenza artificiale su smartphone: cosa fanno i chip A11 Bionic e Kirin 970



(Foto: MANJUNATH KIRAN / Stringer / Getty Images)

Di cosa parliamo quando parliamo di intelligenza artificiale su smartphone? Siamo circondati da realtà che stanno facendo passi da gigante nell’addestrare i propri supercomputer a superare le facoltà umane in ambiti molto specifici dell’elaborazione dei dati — racconti che sembrano usciti dalla fantascienza e che generano entusiasmo o preoccupazione (a volte immotivati). A sfruttare questa ondata di rinnovato interesse per l’intelligenza artificiale ci sono aziende ansiose di utilizzare la locuzione per ragioni di marketing, ma che hanno effettivamente in serbo novità interessanti per gli anni a venire.

L’ultimo esempio arriva da Cupertino ed è di poche ore fa: è il SoC A11 Bionic, sapientemente battezzato in questo modo per dare al mondo l’idea che al suo interno sia ospitata della vita artificiale. All’interno del sistema in realtà si trova più prosaicamente un chip sviluppato appositamente che si occuperà di tutte le applicazioni nelle quali la simulazione di reti neurali è al centro del funzionamento.

Apple non ha fornito specifiche riguardanti il chip, ma l’idea è la stessa alla base di Kirin 970, il SoC presentato con una decina di giorni di anticipo da Huawei e che finirà sullo smartphone Mate 10 in tempo per vedersela faccia a faccia con iPhone 8, 8 Plus e iPhone X.

Ma di cosa si occuperanno di preciso queste componenti? Tra i primi posti c’è l’elaborazione del linguaggio naturale, una tecnologia che renderà gli assistenti digitali sempre più abili nel risponderci anche quando impartiamo loro comandi in modo colloquiale.

In primo piano c’è anche il riconoscimento delle immagini e dei loro contenuti, utile in un numero sterminato di scenari: dalla realtà aumentata al riconoscimento dei volti, passando per la modifica e il miglioramento in tempo reale delle foto scattate con lo smartphone. In ballo, in totale, c’è molto di più: algoritmi del genere possono migliorare delle prestazioni del telefono tramite l’analisi del suo utilizzo, e tanto altro.

Kirin 970 e A11 Bionic non sono gli unici processori sul mercato smartphone a poter operare in questi ambiti: gli algoritmi di machine learning e machine vision sono infatti gestibili anche da normali CPU e GPU e permeano già il funzionamento di una buona fetta di smartphone, anche se costano loro tempo ed energia e non possono dunque essere utilizzati in modo estensivo. Le incredibili foto scattate dai telefoni Google Pixel sono il frutto di sapienti microritocchi effettuati da un software che “sa” cosa sta vedendo. Diversi produttori di smpartphone impiegano sistemi di riconoscimento di volti e oggetti per catalogare organizzare con criterio gli album fotografici, e le irresistibili immagini che escono dall’app di fotoritocco Prisma mimano lo stile artistico di autori famosi facendo passare le nostre foto da filtri realizzati con sistemi di machine vision.

(Foto: Prisma labs)

All’aumentare della complessità delle operazioni da svolgere però aumenta velocemente anche il tempo necessario ai limitati processori degli smartphone per occuparsene. Per questo motivo la maggior parte delle applicazioni di intelligenza artificiale finora sono state dominio del cloud, dove i software possono elaborare i dati a disposizione su macchine iperveloci, senza limiti di energia e potenza di calcolo. Google, tra tutte le aziende che interpelliamo ogni giorno sul telefono, ha costruito così un intero impero, imbattibile nel prevedere il traffico sulle sue mappe, nel capire in anticipo di quali informazioni abbiamo bisogno, nel proporre queste ultime al momento giusto nel tradurre ogni lingua in modo sempre più preciso e in molto altro: tutto frutto dell’enorme quantità di dati fornitale dai suoi utenti e da un’intelligenza artificiale in grado di elaborarli.

Secondo Deloitte però ormai i tempi sono maturi per un cambio di paradigma: la velocità e le prestazioni dei processori più evoluti sono aumentate a tal punto che le operazioni più comuni che finora abbiamo delegato al cloud ora si possono eseguire direttamente su smartphone, risparmiandoci anche l’incomodo di inviare i nostri dati personali online per farli digerire da server lontani. Secondo la società di consulenza, anzi, entro la fine del 2017 saranno già più di 300 milioni i telefoni che faranno affidamento su algoritmi di machine learning di qualche tipo.

La previsione risale a gennaio, ma potrebbe rivelarsi veritiera: Huawei e Apple del resto hanno semplicemente dotato i loro chip di una corsia preferenziale per calcoli che altrimenti sarebbero destinati alle unità di elaborazione centrale e a quelle dedicate alla grafica, ma altri produttori come Qualcomm hanno già iniziato a puntare su soluzioni simili a livello software, e i più facoltosi non tarderanno a sviluppare le proprie piattaforme hardware su misura.


Fonte: WIRED.it