#Opinión – Lo que invierten los grandes en Inteligencia Artificial y que podemos esperar en un futuro cercano

Hola!

A principio de este año, participe en una reunión con el General Manager de Avanade Canada en el Microsoft Technology Centre, donde presentamos la visión global de Avanade sobre tecnologías para este año. La llamamos “Avanade TechVision 2017” y este año es la primera vez que todos los tópicos sobre los que hablamos estaban englobados bajo un tema general, la Inteligencia Artificial.

Avanade-Tech-Vision

Nosotros sabemos que durante los próximos 5/10 años la evolución en este aspecto impactara en la forma en la que nos desenvolvemos en la sociedad. Obviamente aquí tocamos temas como la creación de nuevos trabajos, la especialización y optimización de trabajos existentes con dispositivos como Hololens, y muchos otros cambios más. En pocos años, y gracias a la Inteligencia Artificial, podremos detectar signos de diabetes en nuestro organismo, solamente utilizando la cámara de nuestro smartphone. Una foto analizada localmente por un proceso de DNN, nos comunicara si tenemos riesgo de padecer diabetes. (ver referencias)

Sin embargo, un detalle interesante en este aspecto es que el hardware se está quedando atrás. En realidad, el hardware de consumo es el que tiene que acelerar para poder estar a la altura. A mi entender, laboratorios especializados con el dinero suficiente, desde hace tiempo que poseen ordenadores especiales, que les brindan la capacidad de aplicar algoritmos de AI. El gran reto es como llevar la IA al consumidor final de forma barata, sin grandes gastos de datos utilizando el cloud, y con procesadores que no consuman mucha bateria.

Ayer escribí sobre el nuevo procesador HPU con capacidades de AI que se incorporara en la nueva versión de Hololens. Microsoft ya se ha encargado de desarrollar la V1 de este procesador HPU, y no es de extrañar que este nuevo procesador, al que algunos llaman “AI co-processor”, no solo tenga aplicaciones en Hololens, sino también en otros dispositivos como smartphones, laptops y tablets.

Hoy leo en Wired el artículo “The rise of AI is forcing Google and Microsoft to become Chipmakers”, donde describe el enfoque que también tiene Google al respecto. HPU incorpora el concepto de un chip reprogramable, donde por ejemplo para Hololens se pueden agregar capacidades de AI para reconocimiento de voz y reconocimiento de movimientos y gestos con las manos (naturalmente necesarios en Hololens).

Google, por su parte, trabaja en un procesador llamado Tensor Processor Unit. Este procesador también implementa capacidades de DNN, y ha ahorrado a Google la creación de 15 data centers para actividades relacionadas con el reconocimiento de voz. Supongo yo, que 15 data centers fuera del presupuesto de gastos del hogar, debe ser un ahorro interesante para el Board of Directors de Google.

Nota: TPU viene nominado en base a Tensor Flow. TensorFlow es un sistema de AI creado originalmente por el equipo de Google Brain y que fue publicado en modo Open Source hace unos años. Es el core de mucho del trabajo interno de Google y está ampliamente soportado por la comunidad de desarrolladores de AI.

Y por si esto fuera poco, los CEOs de un par de grandes empresas se comienzan a dar palos relacionados con la Inteligencia Artificial. En este caso se trata de Elon Musk (aka Tony Stark) que en tweet dijo que el conocimiento de Mark Zuckerberg sobre AI es limitado.

En realidad, esto surge porque ambos tienen 2 visiones muy diferentes respecto a cómo utilizar y legislar la inteligencia artificial. Elon Musk quiere regular la utilización de AI, en sus palabras:

(AI) presents fundamental risk to the existence of human civilization.

Según Elon, no tendrá que pasar mucho tiempo antes que veamos robots matando personas por la calle.

Marc Zuckerberg tiene otra visión completamente diferente, MZ comenta:

Soy optimista. Y creo que la gente que se opone y trata de pintar estos escenarios apocalípticos, simplemente, no lo entiendo. Es realmente negativo y, de hecho, de alguna manera pienso que es bastante irresponsable.

Mas allá de todo esto, lo que si está claro es que todos los grandes están invirtiendo (de una forma u otra) en algo relacionado con la Inteligencia Artificial. Cada pequeño avance que se haga en el tema incidirá en la forma en la que vivimos y trabajamos. Yo estoy casi seguro, que mis niños no tendrán la necesidad de aprender a conducir. Dentro de 10 años, los coches serán eléctricos y la mayoría serán autónomos. Dependiendo del sitio donde vivas, es muy probable que no tengas la necesidad de aprender a conducir, ya que un coche (que no tiene porque ser el tuyo) será el que te ayude a moverte cuando necesites viajar de un sitio a otro.

Escenarios como el anterior, no están lejos de ser una realidad. Y lo que hoy nos parece ciencia ficción, en unos años será nuestro día a día.

Saludos @ Burlington

El Bruno

References

Advertisements

AI – #CNTK, una solucion open source de inteligencia artificial de #MSResearch

Clipboard02

Hola !

Empecemos por CNTK que es la versión corta de “Computational Network Toolkit” (ya lo sé, es que la palabra acrónimo nunca me ha gustado). Este toolkit ha sido creado por el equipo de Microsoft Research, y su principal objetivo es describir redes neuronales como una serie de pasos procesados mediante un grafo dirigido (resumen muy corto, lo sé)

Durante los últimos días he pasado un par de horas jugando con el kit de herramientas. El primer paso es, como siempre la sección Get Started en GitHub.

A menos que seas un experto en C++, que quieras compilar los controladores gráficos, quieras aprender OpenCV y mucho mas, te recomiendo empezar directamente con la instalación local e ir a los ejemplos.

Importante: Si aun así quieres jugar con fuego, hay una sección de despliegue y compilación para Windows donde se describe todos los pasos necesarios para clonar, compilar y desplegar en modo local. Yo traté de hacer esto y básicamente tiré abajo otros proyectos locales en mi ordenador.

Por lo tanto, en este momento la sección de Ejemplos te puede dar algunas ideas para empezar a aprender a conocer el Toolkit. En la sección de ejemplos podemos encontrar

Como se puede ver en las muestras, el foco principal del CNTK está en speech recognition. Microsoft tiene una larga historia en esto, productos como Cortana, Skype TranslationProject Oxford Speech APIs son el resultado de años de investigación sobre reconocimiento de voz. (Realmente necesito escribir algunos posts sobre proyecto Oxford Audio API, hasta ahora mi enfoque estaba en video y detección de rostros)

Otro punto importante en el toolkit es el soporte de AZURE. Usando una combinación del CNTK y Azure GPU Lab, el equipo de investigación de MS Research creó una plataforma GPU distribuida que puede ser utilizada por la comunidad para avanzar en investigación de AI.

Por ejemplo, en un artículo de TechNet, se describe una comparación entre tres otras herramientas computacionales y CNTK. (Torch, TheanoCaffe, como recientemente abierto con herramientas de GoogleIBM). Los resultados se exponen debajo y CNTK ha demostrado para ser más eficaz que los otros.

image

Por último, esto no es (como siempre) un area donde sea un experto, pero es algo que me gusta mucho. También es un tema que pienso, que cada developer debe conocer un poco, empezando por a conocer las bases, la tecnología, la plataforma,

Saludos @ Toronto

-El Bruno

References

#AI – #CNTK the #opensource computational network toolkit from #MSResearch #Microsoft

Clipboard02

Hi !

CNTK stands for “Computational Network Toolkit”. This toolkit is a creation from the Microsoft Research team, which main focus is to describe neural networks as a series of computational steps via a directed graph (short resume I know)

So, during the past days I spend some hours playing around with the toolkit. First step is probably to read something about or go directly to the Get Started section on GitHub.

Unless you are an expert on C++, you like to compile graphics drivers, you want to learn about OpenCV and more, I strongly recommend to start directly with the local installation and go to the samples section.

Important: The setup on Windows section describes all the necessary steps to clone, build and deploy all in local mode. However, I tried to do this, and basically broke other local projects from my own.

So, at this moment the Samples section can give you some ideas to start learning the toolkit. In the Examples section we can find

So, as you can see in the samples, the main focus of CNTK is Speech. And Microsoft has a long story on this, products like Cortana, Skype Translation or Project Oxford Speech APIs are the final result of years of investigation on Speech recognition. (I really need to write some posts about Project Oxford Audio APIs, so far my focus was on video and face detection)

Another important point in the toolkit is the Azure support. Using a combination of CNTK and Azure GPU Lab, the research team created a distributed GPU platform to be used by the community to advance AI research.

As an example, in a TechNet article, they describe a comparison between four other popular computational toolkits and CNTK. (Torch, Theano and Caffe, as just recently open sourced toolkits from Google and IBM). The results are exposed in below chart and, CNTK has proved to be more efficient than the others.

image

Finally, this is not (by far) my main expertise but is something which I really like and also where I really think, every developer must play around and start to know the basis / technology / platform.

Greetings @ Toronto

-El Bruno

References