Entre otras cosas, para que un teléfono inteligente se convierta en una tendencia en estos días, una pantalla alta de 18: 9 con un mínimo de biseles (con una muesca incorporada), un excelente sistema de cámara e Inteligencia Artificial y / o Aprendizaje Automático.

La inteligencia artificial y el aprendizaje automático son palabras de moda que se adoptan y se aplican en todo el maquillaje de nuestros teléfonos inteligentes, desde System on a Chip hasta el sistema operativo. Entonces, ¿es solo publicidad, ciencia ficción o hay hechos que sean ficción? Siga leyendo y le brindaremos una descripción general clara y sin jergas.

Entonces, ¿cuál es la diferencia entre Inteligencia Artificial y Aprendizaje Automático?

La Inteligencia Artificial se caracteriza mejor como la capacidad de una máquina para exhibir prácticas que incluyen el aprendizaje, el comportamiento y la comunicación sin una diferencia discernible de nosotros mismos. Seguramente esto pertenece al reino de la ciencia ficción? Bueno, si terminamos aquí, entonces estaríamos de acuerdo, pero profundicemos más.

Tomando la generalización de la IA (IA general) descrita arriba, disminuyamos y escogeremos un área específica que sea más relevante para nuestro tema, por ejemplo, reconocimiento de imágenes, y llamaremos a esta IA estrecha.

Ahora, nuestros teléfonos inteligentes de repente no desarrollaron la capacidad de reconocer y diferenciar entre un automóvil y un plato de comida durante la noche.

Fue enseñado La capacidad de un teléfono inteligente para ‘verdaderamente’ aprender algo nuevo en su forma más pura, es decir, sin intervención, aún está lejos.

Fui parte de un equipo que lanzó un esquema de tarjetas de fidelización para un importante minorista del Reino Unido, que hoy cuenta con alrededor de 16 millones de titulares de tarjetas. Ahora imagine el volumen de datos que estábamos recopilando. Una base de datos de clientes que contiene toda la información que proporcionaron los 16 millones durante el proceso de registro, incluidos el sexo, la edad, los hijos, la dirección que solo agregamos a las horas extraordinarias. Una base de datos de transacciones donde cada artículo comprado incluye fecha, hora, tienda asociada con ese cliente.

Qué ideas e inteligencia nos brindarían nuestros sistemas, pero la realidad era algo diferente. No llegamos a la oficina un día, para descubrir que nuestros sistemas de visión habían dado una «verdad» o una tendencia que no habíamos contemplado. No, nuestras ideas respondían directamente a las preguntas que le hacíamos: cuántas mujeres, al hacer coincidir un grupo demográfico en particular, no habían comprado una marca específica de perfume, por ejemplo. Podríamos tomar esa idea e intentar cambiarla de marca. Esto fue minería de datos, aunque a escala masiva con reglas y lógica creadas por nosotros.

Ahora volviendo a nuestros teléfonos inteligentes, aquí es donde el aprendizaje automático entra en el marco. Tomando un ejemplo práctico – Apple Photos People Album y supongamos por un momento que nunca hemos ‘etiquetado’ a nadie previamente.

Cuando ve por primera vez el Álbum de personas, solo muestra fotos donde se ha identificado la geometría de una ‘cara’, sin nombres.

  • Elige una cara sin nombre, selecciónala y dale un nombre.
  • Luego intentará confirmar que otra cara es esta persona, en este punto solo tiene la primera cara para trabajar, por lo que la cara ofrecida la segunda vez puede estar muy lejos. Entonces le dices ‘sí’ o ‘no’ y repites.

Con cada interacción, aprende más y más sobre esa cara desde diferentes ángulos, peinados variados y lo que sucede a medida que envejece, y así sucesivamente. Usted, por lo tanto, llega a un punto donde toma una fotografía de esa persona y se etiqueta automáticamente con el nombre correcto.

Conjuntos de chips dedicados a Inteligencia Artificial

En este momento, es pertinente hablar de silicio. Cuando fabrica elementos AI de referencia dentro de su silicio, considere esto en una línea similar a la Unidad de procesamiento de gráficos (GPU). Mientras que la GPU proporciona a los desarrolladores un conjunto de API aceleradas eficientes, por ejemplo, para mostrar un polígono, dentro de un espacio de coordenadas específico y con una textura de color. El silicio de inteligencia artificial proporciona un conjunto acelerado eficiente de API que a través de redes neuronales admiten tareas relacionadas con la inteligencia artificial.

Los ejemplos de conjuntos de chips que incluyen hardware relacionado con AI incluyen;

  • Unidad de procesamiento neuronal HiSilicon Kirin 970 de Huawei (NPU)
  • Plataforma Snapdragon 845 Hexagon 685 DSP AI de Qualcomm
  • Motor neuronal biónico A11 de Apple

Su hardware de red neuronal puede realizar hasta 100 mil millones de operaciones por segundo.

Sin embargo, no se preocupe, si el chipset de su teléfono inteligente no contiene ningún silicio de AI dedicado, el proceso se llevará a cabo en el software. Será menos eficiente ya que no puede solicitar el soporte del silicio acelerado dedicado, sino que usará la GPU principalmente y, en algunos casos, la CPU.

Desarrolladores

Hasta hace poco, mientras que el sistema operativo podía acceder a AI para sus aplicaciones y procesos integrados, era más difícil para los desarrolladores implementar tareas locales de inteligencia artificial en el dispositivo dentro de sus aplicaciones. Para hacerlo, tenían que llevar consigo su propia inteligencia artificial para el viaje o conectarse a un marco provisto por terceros, como AWS Machine Learning de Amazon. Sin embargo, el panorama ha cambiado, ya que tanto Android 8.1 como iOS 11 proporcionan API que permite a los desarrolladores llevar Machine Learning fácilmente a sus aplicaciones.

Android 8.1

La API de redes neuronales de Android (NNAPI) está diseñada para ejecutar operaciones computacionalmente intensivas para el aprendizaje automático. NNAPI está diseñado para proporcionar una capa básica de funcionalidad para los marcos de aprendizaje de máquina de alto nivel (como TensorFlow Lite, Caffe2 u otros) que construyen y entrenan redes neuronales.

iOS 11

Core ML es un marco de aprendizaje de máquina fundamental utilizado en todos los productos de Apple, incluidos Siri, Camera y QuickType.

Intimidad

Las empresas viven y mueren gracias a nuestra privacidad de datos utilizando algunos enfoques diferentes para garantizar esto. Para algunos, los datos nunca abandonan el teléfono, y si lo hacen, se tokenizan. Mientras que para otros, los datos cifrados en la nube brindan oportunidades adicionales para mejorar y enriquecer la experiencia.

En el futuro, un nivel de permiso compartido entre amigos y familiares proporcionará beneficios de ahorro de tiempo adicionales para todos nosotros. Mantener nuestro tema de reconocimiento facial, compartir y recibir todo el aprendizaje de una familia y amigos cercanos asegura que si alguien se esfuerza en enseñar su biblioteca de fotos sobre la cara de su hijo, ese conocimiento se transmite automáticamente para aplicarse a TODAS sus bibliotecas.

Nos hemos enfocado mucho en la fotografía durante esta pieza para mantener el artículo breve y evitar saltar, pero otras áreas de AI y ML se aplican a:

  • Comprensión del lenguaje natural, incluido el reconocimiento de voz y escritura a mano
  • Utilice sensores de teléfonos inteligentes para comprender mejor lo que sucede en el entorno de los usuarios
  • Interfaces predictivas, flujo de trabajo del usuario y censura del contenido / control parental
  • Seguridad del teléfono
  • Procesamiento de imagen mejorado
  • Realidad aumentada y visión de IA
  • En la aplicación del dispositivo / administración del sistema para maximizar aún más la duración de la batería.