Llegamos a ustedes gracias a:



Noticias

Google está preparando a Android para el futuro con IA

[22/05/2017] El futuro de Android será mucho más inteligente, gracias a las nuevas herramientas de programación que Google dio a conocer el miércoles. La compañía anunció TensorFlow Lite, una versión de su marco de aprendizaje de máquina que se encuentra diseñado para ejecutarse en teléfonos inteligentes y otros dispositivos móviles.

"TensorFlow Lite aprovechará una nueva API de red neuronal para emplear aceleradores específicos para ciertos chips, y con el tiempo esperamos ver [chips de procesamiento de señales digitales] específicamente diseñados para la inferencia y entrenamiento de redes neuronales, afirmó Dave Burke, vicepresidente de ingeniería de Google para Android. "Creemos que estas nuevas capacidades ayudarán a impulsar a la siguiente generación de procesamiento de lenguaje, búsqueda visual, realidad aumentada y otras tareas dentro del dispositivo.

El marco de trabajo Lite pronto será parte del proyecto de código abierto TensorFlow, y la API de red neuronal llegará en la siguiente versión importante de Android más adelante este año.

El marco tiene serias consecuencias para lo que Google ve como el futuro del hardware móvil. Los chips basados en la IA podrían hacer posible que los teléfonos inteligentes manejen cálculos de aprendizaje de máquina más avanzados sin consumir tanta energía. Debido a que más aplicaciones usan el aprendizaje de máquina para ofrecer experiencias inteligentes, es importante hacer que ese tipo de trabajo sea más fácilmente posible en el dispositivo.

En estos momentos, incorporar el aprendizaje de máquina avanzado en las aplicaciones - especialmente cuando se trata de modelos de entrenamiento -requiere de una cantidad de poder de cómputo que generalmente necesita de un hardware robusto, mucho tiempo y mucha energía. Eso no es realmente práctico para las aplicaciones para consumidor de un teléfono inteligente, lo cual significa que a menudo se descarga ese proceso hacia grandes centros de datos mediante el envío a través de Internet de imágenes, textos y otros datos que necesitan de procesamiento.

Procesar los datos en la nube conlleva varios inconvenientes, de acuerdo a Patrick Moorhead, analista principal de Moor Insights and Strategy: Los usuarios deben estar dispuestos a ceder sus datos a los servidores de una empresa, y tienen que estar en un ambiente con una conectividad lo suficientemente buena como para asegurarse de que la operación sea de baja latencia.

Ya existe hoy en el mercado un procesador con un DSP específico para aprendizaje de máquina. El system on a chip Qualcomm Snapdragon 835 tiene el DSP Hexagon que soporta TensorFlow. Los DSP se utilizan también para proporcionar funcionalidades como el reconocimiento de la frase de aviso "OK, Google para Google Assistant, de acuerdo a Moorhead.

Los usuarios deben esperar ver más chips de aceleración de aprendizaje de máquina en el futuro, afirmó Moorhead. "Desde que la ley de Moore se ralentizó, nos encontramos en un modelo de computación heterogéneo, afirmó. "Estamos usando diferentes tipos de procesadores para hacer diferentes tipos de cosas, ya sea que se trate de un DSP, un FPGA (field-programmable gate array) o un CPU. Es casi como si estuviéramos utilizando el palo de golf adecuado para cada tipo de hoyo.

Google ya está invirtiendo en hardware específico para el aprendizaje de máquina con su línea de chips Tensor Processing Unit, que están diseñados para acelerar tanto el entrenamiento de nuevos algoritmos de aprendizaje de máquina como el procesamiento de datos utilizando modelos existentes. El miércoles, la compañía anunció la segunda versión de ese hardware, el cual está diseñado para acelerar el entrenamiento y la inferencia en el aprendizaje de máquina.

Además, la empresa no es la única con un marco de aprendizaje de máquina enfocado en el teléfono inteligente. Facebook mostró un marco de aprendizaje de máquina orientado a los móviles llamado Caffe2Go el año pasado, el cual se utiliza para aplicaciones como la función de transferencia de estilo en vivo de la empresa.