Microsoft e Facebook insieme per creare un ambiente interoperabile Verso la balcanizzazione delle piattaforme di Ai
Luca Tremolada – Il Sole 24 Ore domenica NOVA24 – 17 Settembre 2017
«Developers, Developers, Developers» urlacchiava saltando forte sul palco l’ex numero uno di Microsoft Steve Ballmer durante un mitico rendez vous del settembre 2000. In quegli anni la chiamata alle armi degli sviluppatori per supportare Windows era al tempo stesso una operazione di marketing e una esigenza di business per garantirisi nuove applicazioni e creatività contro la concorrenza.
Sull’intelligenza artificiale nessuno balla ma le danze dei big dei big data sono ugualmente frenetiche. Anzi, possiamo dire che chi può, chi ha i dati, sta offrendo agli sviluppatori indipendenti i migliori ambienti software per affinare algoritmi di machine learnig e sperimentare reti neurali. E, sempre chi può sta ragionando anche in termini di alleanze strategiche.
Microsoft e Facebook hanno presentato nei giorni scorsi Onnx che sta per Open Neural Network Exchange. Trattasi di un framework open source che consente di far parlare tra loro gli ambienti di sviluppo di machine learning dei due giganti. Si parla di Ms Cognitive Toolkit lato Microsoft e Fb Caffe2 e Fb Pytorch lato Facebook. In pratica si potrà passare da PyTorch a Caffe2 riducendo quindi il tempo tra la ricerca e la produzione. Fino ad oggi, per capire meglio, Facebook aveva mantenuto una distinzione tra Facebook Ai Research e Applied Machine Learning Aml, la divisione chiamata a “porare a terra” i nuovi strumenti di machine learning. Con Onnx questa distinzione ideologica diciamo dovrebbe scomparire permettendo agli sviluppatori di lavorare nello stesso ambiente.
La parola d’ordine è sempre interoperabilità. Che vuol dire in questo caso permettere agli sviluppatori di passare da un ambiente all’altro e ai produttori hardware di migliorare la velocità di più framework e quindi accorciare i tempi per l’ingresso dell’intelligenza artificiale nei prodotti che ci circondano.
Naturalmente, sulla palla non c’è solo Microsoft e Facebook. Anzi, diciamo che la maggioranza dei ricercatori universitari in intelligenza artificiale si concentra su TensorFlow. Questo sistema di machine learning è stato reso open source nel 2015 da Google. Viene utilizzato anche nelle gestione dei messaggi di posta di Gmail. E su Github, la piattaforma di progetti software open source più grande del mondo, è il codice con cui gli sviluppatori hanno più interazioni. Proprio un paio di giorni fa Google ha lanciato TensorBoard Api, un insieme di strumenti per visualizzare e quindi comprendere meglio il processo di apprendimento degli algoritmi di machine learning. Il mese scorso è stata pubblicata un’applicazione per il riconoscimento della voce e a giugno la versione di TensorFlow per far “girare” applicazioni di intelligenza artificiale sui telefonini e dispositivi mobili. Tutte migliorie che dimostrano come anche la comunità di sviluppatori di Google stia spingendo moltissimo in questo campo.
Apple martedì ha presentato i suoi nuovi smartphone (iPhone X, iPhone 8 e iPhone 8 Plus). Il nuovo processore A11 Bionic – che integra 4,3 miliardi di transitor e sei core indipendenti utilizzabili – sarebbe stato ottimizzato per lavorare a basso consumo con tecnologie di machine learning. Attualmente iOs11, il sistema operativo mobile di Apple usa un framework per l’apprendimento automatico proprietario chiamato CoreML che non supporta TensorFlow. Il che in teoria non è un male: un hardware “dedicato” come quello di Apple potrebbe consentire di raggiungere in chiave di ricerca risultati molti interessanti sui dispositivi mobili. In questo senso il sistema di riconoscimento Face Id può rappresentare davvero un punto di partenza per costruire una nuova generazione di applicazioni. Peraltro su un dispositivo come lo smartphone che, per forza di cose, è chiamato a tenere in grande considerazione il risparmio energetico.
Anche il colosso cinese Baidu si guarda bene dal favorire Google. Il principale motore di ricerca nel Paese asiatico ha reso open source il proprio software di apprendimento. Si chiama PaddlePaddle (Parallel Distributed Deep Learning) ed è online su Github. Tecnicamente, sostengono gli esperti, è meno “versatile” della concorrenza ma è più semplice e quindi adatto anche a chi non è espertissimo. Al netto delle strategie, delle alleanze e della qualità dell’hardware la vera differenza nell’intelligenza artificiale la danno i dati. Per quanto ingiusto chi è destinato a correre di più in questo campo sono i gestori dei big data. Per gli altri la corsa è più teorica che pratica. E gli sviluppatori, questo, lo sanno bene.