Smartphone con IA: cosa significa?

L’intelligenza artificiale è arrivata sugli smartphone. L’iPhone X ha un motore neurale come parte del suo chip A11 Bionic; il chip Huawei Kiri 970 ha quella che viene chiamata un’unità di elaborazione neurale o NPU; e il Pixel 2 ha un chip di imaging segreto alimentato dall’IA che è appena stato attivato. Ma per cosa sono esattamente progettati questi chip di nuova generazione?

Con l’avanzamento della tecnologia, man mano che i chipset per cellulari sono diventati più piccoli e più sofisticati, hanno iniziato ad assumere sempre più funzioni. Ad esempio, le GPU grafiche integrate ora si trovano accanto alle CPU nel cuore degli smartphone di fascia alta, gestendo tutti i pesanti processi video in modo che il processore principale possa prendere fiato o darsi da fare con qualcos’altro.

La nuova generazione di chip AI è molto simile – solo che questa volta i compiti designati sono il riconoscimento di immagini dei tuoi animali domestici piuttosto che il rendering di video a 1080p.

Di cosa parliamo quando parliamo di IA
IA, o intelligenza artificiale, significa proprio quello che il nome suggerisce. Lo scopo del termine tende a spostarsi ed evolversi nel tempo, ma in generale è tutto ciò in cui una macchina può mostrare il pensiero e il ragionamento umano.

Una persona nascosta dietro uno schermo che aziona le leve su un robot meccanico è l’intelligenza artificiale nel senso più ampio, naturalmente l’intelligenza artificiale di oggi è ben oltre, ma avere una risposta al codice del programmatore in un sistema informatico è solo una versione più avanzata di ottenere lo stesso risultato (un robot che si comporta come un umano).

Per quanto riguarda l’informatica e gli smartphone in tasca, qui l’intelligenza artificiale tende a essere definita in modo più preciso. In particolare, di solito implica l’apprendimento automatico, la capacità di un sistema di imparare al di fuori della sua programmazione originale e l’apprendimento profondo, che è un tipo di apprendimento automatico che tenta di imitare il cervello umano con molti livelli di calcolo. Questi strati sono chiamati reti neurali, basate sulle reti neurali all’interno delle nostre teste.

Pertanto, l’apprendimento automatico potrebbe essere in grado di individuare un messaggio di spam nella posta in arrivo in base allo spam che si è visto prima, anche se le caratteristiche dell’email in arrivo non erano originariamente codificate nel filtro: ha appreso quale sia l’e-mail di spam.

L’apprendimento profondo è molto simile, solo più avanzato e sfumato, e migliore in determinati compiti, specialmente nella visione artificiale: il bit “profondo” significa molti più dati, più livelli e una ponderazione più intelligente. L’esempio più noto è quello di imparare a riconoscere un cane dopo aver “visto” un milione di immagini di cani.

Un semplice apprendimento automatico può svolgere lo stesso compito di riconoscimento delle immagini, ma richiederebbe più tempo per la codifica manuale e non sarebbe altrettanto accurato, tanto più se la varietà di immagini viene aumentata. Con l’aiuto dell’hardware odierno, l’apprendimento profondo è molto meglio per quello che deve fare.

Per dirla in altro modo, a un sistema di apprendimento automatico dovrebbe venir detto che i gatti hanno i baffi per essere in grado di riconoscere i gatti. Un sistema di apprendimento approfondito imparerebbe da solo che i gatti hanno i baffi facendogli “vedere” molte immagini di gatti.

Tenete presente che un esperto di intelligenza artificiale potrebbe scrivere un volume di libri sui concetti che abbiamo appena trattato in un paio di paragrafi, quindi abbiamo dovuto semplificarlo, ma queste sono le idee di base da conoscere.

I chip di intelligenza artificiale sugli smartphone
Come abbiamo detto all’inizio, in sostanza, i chip dell’IA stanno facendo esattamente quello che fanno i chip GPU, solo per l’intelligenza artificiale piuttosto che per la grafica, offrendo uno spazio separato in cui è possibile eseguire calcoli particolarmente importanti per l’apprendimento automatico e l’apprendimento approfondito. Come con le GPU e la grafica 3D, i chip AI consentono alla CPU di concentrarsi su altre attività e riduce allo stesso tempo il consumo della batteria. Significa anche che i tuoi dati sono più sicuri, perché meno di essi devono essere inviati al cloud per l’elaborazione.

Ma cosa significa questo nel mondo reale? Significa che il riconoscimento e l’elaborazione delle immagini potrebbe essere molto più veloce. Ad esempio, Huawei afferma che la sua unità NPU può eseguire il riconoscimento di immagini su 2.000 immagini al secondo, il che, secondo la società, è 20 volte più veloce di quanto impiegherebbe una CPU standard.

Più specificamente, può eseguire 1,92 teraflop, o un trilione di operazioni in virgola mobile al secondo, quando si lavora con numeri in virgola mobile a 16 bit. A differenza degli interi o dei numeri interi, i numeri in virgola mobile, con punti decimali, sono cruciali per i calcoli che attraversano le reti neurali coinvolte nell’apprendimento profondo.

Apple chiama il suo chip AI, parte del chip A11 Bionic, il Neural Engine. Anche questo, è dedicato all’apprendimento automatico e ai compiti di apprendimento profondo: riconoscere il tuo viso, riconoscere la tua voce, registrare animojis e riconoscere ciò che stai cercando di inquadrare nella fotocamera. Può gestire circa 600 miliardi di operazioni al secondo, afferma Apple.

Gli sviluppatori di app possono attingere a queste capacità tramite il Core ML e un semplice modo plug-and-play per incorporare il riconoscimento delle immagini e altri algoritmi di intelligenza artificiale. Core ML non richiede l’iPhone X, ma il Neural Engine gestisce questi tipi di attività più velocemente. Come nel caso del chip Huawei, il tempo speso per scaricare tutta questa elaborazione di dati nel cloud dovrebbe essere notevolmente ridotto, in teoria migliorando le prestazioni e diminuendo lo stress sulla durata della batteria.

E questo è proprio ciò di cui trattano questi chip: gestire le attività e i calcoli su cui l’apprendimento automatico, l’apprendimento approfondito e le reti neurali si basano, direttamente sul telefono, più velocemente di quanto la CPU o la GPU possano gestire. Quando Face ID funziona in un attimo, va ringraziato il Neural Engine.

È questo il futuro? In futuro, tutti gli smartphone saranno inevitabilmente dotati di chip di intelligenza artificiale dedicati? Con l’aumentare del ruolo dell’intelligenza artificiale sui nostri telefoni, la risposta è probabilmente sì. I chip Qualcomm possono già utilizzare parti specifiche della CPU per compiti specifici di intelligenza artificiale e separare i chip di intelligenza artificiale è il passo successivo. In questo momento questi chip vengono utilizzati solo per una piccola sottosezione delle attività, ma la loro importanza può solo crescere.