Bag13

Intel si concentra sull'AI

La riorganizzazione del colosso di Santa Clara per aggredire il settore dell'Intelligenza Artificiale consiste in un unico grande team che crei nuovi standard a basso costo. L'obiettivo principale resta l'automazione dei veicoli

Roma - Intel concentra gli sforzi relativi al settore dell'intelligenza artificiale in un unico gruppo affidandone la guida a Naveen Rao, ex CEO di Nervana System, startup specializzata nel deep learning acquisita meno di un anno fa dal colosso dei chip.

La compagnia di Santa Clara si sta ristrutturando per puntare forte sull'Internet of Things, con un occhio di riguardo all'automazione dei veicoli. Nella nota ufficiale pubblicata sul sito Intel, Rao ha sottolineato che il gruppo che si occuperà di Intelligenza Artificiale agirà in unità multiple allo scopo di ridurre i costi dell'AI e creare nuovi standard combinando ingegneria, software e hardware proveniente dal portfolio e dagli altri gruppi di lavoro in seno alla compagnia.

Una mossa importante per Intel, che ha già introdotto l'AI in diversi settori della sua organizzazione senza però riuscire ancora ad imporsi come attore dominante in questo mercato. Intel nel suo annuncio ha dichiarato di voler ricostruire l'azienda intorno all'idea di creare degli standard per l'Intelligenza Artificiale, esattamente come ha fatto in passato con i trend di computazione.
Viviamo ormai in un mondo in cui personal computer e server vengono visti alla stregua di commodity, prodotti di enorme necessità ma sempre più standardizzati e acquistati senza badare troppo al produttore o alla qualità (ormai settata su standard ben definiti e di ottimo livello). Un modo di pensare che poco spazio lascia ad una compagnia che non è in grado di reinventarsi, come sta tentando di fare Intel.

Abbandonato il tentativo di costituire una powerhouse all'interno del settore mobile, nei piani di Intel c'è ora l'intenzione di portare l'AI nella vita di quante più persone possibile; una visione già condivisa da Microsoft col suo concetto di democratizzazione dell'AI e più recentemente da Google.
Ciò porta a ipotizzare che il tema dell'Intelligenza Artificiale si stia evolvendo in una direzione ben precisa, meno orientata verso le compagnie che abbiano intenzione e possibilità di sfruttarla e sempre più diretta verso la volontà di creare nuove possibilità per la gente comune.

Da qui a 5 anni, secondo Forbes, la tecnologia correlata all'AI trasformerà molto di ciò che facciamo nelle nostre vite. Non si tratta di una tecnologia che vive di hype momentaneo, pertanto destinata a spegnersi; già ora l'Intelligenza Artificiale ci aiuta quotidianamente riconoscendo volti, comprendendo il linguaggio parlato, riconoscendo musica, foto e video, eseguendo diagnosi mediche e, se anche Intel manterrà i suoi propositi, presto guiderà macchine e camion al posto nostro.

In questo, il punto di svolta si è avuto nel momento in cui le macchine hanno iniziato a utilizzare collegamenti neurali, che le rendono più "intelligenti" quante più informazioni ricevono. Le GPU sono diventate lo standard per l'innovazione delle connessioni neurali, con NVIDIA tra i più grandi beneficiari di questa situazione. Ma il mondo dell'Intelligenza Artificiale è in continuo fermento e sarebbe poco furbo pensare che resterà statico nel prossimo futuro; i motori che muovono il settore delle IA costituiscono uno spazio appetibile e competitivo in cui agire non solo per le nuove startup, ma anche per compagnie "ibride" come può e deve essere Intel.

Gabriele La Torre
Notizie collegate
8 Commenti alla Notizia Intel si concentra sull'AI
Ordina
  • Ormai lo sanno anche i cerebrolesi che lo IOT è da evitare come la peste ...
    non+autenticato
  • Tu ti fai un' idea tutta tua del mondo e poi vai a strillarla in pubblico... mah.
    non+autenticato
  • Per ora Intel non regge il confronto con Nvidia. Non solo deve tirare fuori dei chip che possano competere con le loro GPU, ma deve contribuire a tutte le librerie in circolazione nell'ambiente. Nvidia ha investito per anni in quel settore e le loro librerie sono praticamente uno standard.
    non+autenticato
  • Č di limitata utilità in limitatissimi settori, nella maggior parte dei casi ove viene usata è sostituibile da ben più leggeri e semplici sistemi "tradizionali", in altri richiede un continuo intervento umano di controllo nonostante training notevoli (riconoscimento documentale, riconoscimento fotografico, videoanalisi, dettatura, OCR, ...).

    In sostanza mi pare più una moda che altro e la voce "basso costo", presa volutamente fuori dal contesto, fa pensare alla classica idea delle scuole di business USA/Inglesi (fai qualcosa che costa poco, non importa sel malfatto, se funzionerà tenterai di sistemarla per strada)...

    Per me pollice verso.
    non+autenticato
  • - Scritto da: xte
    > Č di limitata utilità in limitatissimi settori,
    > nella maggior parte dei casi ove viene usata è
    > sostituibile da ben più leggeri e semplici
    > sistemi "tradizionali", in altri richiede un
    > continuo intervento umano di controllo nonostante
    > training notevoli (riconoscimento documentale,
    > riconoscimento fotografico, videoanalisi,
    > dettatura, OCR,
    > ...).
    >
    > In sostanza mi pare più una moda che altro e la
    > voce "basso costo", presa volutamente fuori dal
    > contesto, fa pensare alla classica idea delle
    > scuole di business USA/Inglesi (fai qualcosa che
    > costa poco, non importa sel malfatto, se
    > funzionerà tenterai di sistemarla per
    > strada)...
    >
    > Per me pollice verso.

    Per ora è come dici, ma più passa il tempo e più sarà sempre peggiore la situazione..
    non+autenticato
  • A parte il fatto che IA è più un label di marketing usata per diverse tecnologie di machine learning è chiaro che non si sai di cosa si parla.
    Il riconoscimento vocale basato su RNN è quello che da risultati migliori, non ci sono sistemi "tradizionali" capaci di avvicinarsi come prestazioni.
    Il riconoscimento delle immagini che usi quanto fai search images con google non ha equivalenti "tradizionali" perchè richiederebbe troppa potenza di calcolo, neanche con i supercomupter il lista alla top500 si riuscirebbe a fare con sistemi tradizionali.
    La classificazione dei dati con Big Data non ha equivalenti "tradizionali".
    non+autenticato
  • - Scritto da: bjubycrt

    > Il riconoscimento vocale basato su RNN è quello
    > che da risultati migliori, non ci sono sistemi
    > "tradizionali" capaci di avvicinarsi come
    > prestazioni.

    sicuro sicuro sicuro?

    https://medium.com/rants-on-machine-learning/the-u...

    va bene che le reti neurali sono un bel passo in avanti, ma non esageriamo

    sempre constatando che tutti gli attuali metodi di machine learning non valgono un'unghia dei cervelli biologici

    > Il riconoscimento delle immagini che usi quanto
    > fai search images con google non ha equivalenti
    > "tradizionali" perchè richiederebbe troppa
    > potenza di calcolo, neanche con i supercomupter
    > il lista alla top500 si riuscirebbe a fare con
    > sistemi
    > tradizionali.

    mi sfugge a questo punto a quali sistemi tradizionali ti stai riferendo

    support vector machines? non credo
    variational autoencoders? nemmeno

    > La classificazione dei dati con Big Data non ha
    > equivalenti
    > "tradizionali".

    ma guarda che big data significa solo che dai in pasto all'algoritmo una marea di dati, cosa che si puo' fare anche con altri algoritmi non connessionistici

    anzi le random forests richiedono una quantita' di dati ( per raggiungere la stessa precisione ) di vari ordini di grandezza inferiore rispetto alle reti neurali deep
    non+autenticato
  • >
    > sicuro sicuro sicuro?
    >
    > https://medium.com/rants-on-machine-learning/the-u
    >
    > va bene che le reti neurali sono un bel passo in
    > avanti, ma non esageriamo
    >

    Primo le random forest sono improponibili per i programmi di dettatura che potrebbero girare su un PC.
    Secondo il vantaggio delle RNN è che sono in grado di valutare il contesto, possono identificare delle parole difficile dal valutando il resto della frase. Ormai stanno simpiazzando dovunque le altre soluzioni.

    > sempre constatando che tutti gli attuali metodi
    > di machine learning non valgono un'unghia dei
    > cervelli biologici
    >

    Infatti ho scritto che AI è una label di marketing, il termine più corretto è machine learning. Però possono comunque fare parecchio.

    > mi sfugge a questo punto a quali sistemi
    > tradizionali ti stai
    > riferendo
    >
    > support vector machines? non credo
    > variational autoencoders? nemmeno
    >

    SVM fanno comunque parte del machine learning.

    > > La classificazione dei dati con Big Data non
    > ha
    > > equivalenti
    > > "tradizionali".
    >
    > ma guarda che big data significa solo che dai in
    > pasto all'algoritmo una marea di dati, cosa che
    > si puo' fare anche con altri algoritmi non
    > connessionistici
    >
    In effetti quella parte del commento non era così corretta perchè prima ci si affidava solo alle didascalie e al contenuto della pagina di contorno.

    Se con algoritmi non connessionistici parli SVM e random forests che hai citato prima anche quelli fanno parte di big data.

    Big Data è la clusterizzazione e l'infrastruttura e i metodi (map-reduce, etc.) per l'analisi di dati su grande scala.
    Per applicare algoritmi di machine learning Big Data serve come infrastruttura. Poi i markettari chiamano l'infrastruttura AI, non è corretto, ma quando si inizia a discutere che si può fare con determinati strumenti e cosa vogliono fare i produttori alla fina bisogna considerare anche quello.

    > anzi le random forests richiedono una quantita'
    > di dati ( per raggiungere la stessa precisione )
    > di vari ordini di grandezza inferiore rispetto
    > alle reti neurali deep

    Mica tanto. Il problema è che stanno imparando solo ora come fare il training dei deep networks.

    https://arxiv.org/abs/1206.5533
    non+autenticato