En marzo pasado, la empresa mostró un chip de computadora capaz de ejecutar el reconocimiento de imágenes utilizando solo la energía de una célula solar. Un trabajo de investigación escrito por los fundadores de Xnor.ai y publicado en línea en 2016 describe una forma más eficiente de red neuronal convolucional, una herramienta de aprendizaje automático que se adapta particularmente bien a las tareas visuales.
Ahora, AI en el borde implica ejecutar modelos previamente entrenados que realizan una tarea específica, como reconocer una cara en un video o una voz en una llamada. Pero puede pasar mucho tiempo antes de que veamos dispositivos de borde que también aprendan. Esto podría permitir que un teléfono inteligente u otro dispositivo mejore su rendimiento con el tiempo, sin enviar nada a la nube. "Eso sería realmente emocionante", dice. "Hoy la mayoría de los dispositivos son esencialmente tontos".Afirma Subhasish Mitra
La aplicación de IA al video de manera más eficiente, como lo demostró Xnor.ai, también será clave para Apple, Google y cualquier persona que trabaje en informática móvil.
Las cámaras y el software relacionado son un punto de venta clave para iPhones y otros teléfonos inteligentes, y las aplicaciones de video pesado como TikTok son populares entre los clientes más jóvenes de teléfonos inteligentes. Edge computing tiene el beneficio adicional de mantener los datos personales en su dispositivo, en lugar de enviarlos a la nube.
Dave Schubmehl, analista de la firma de investigación IDC, dice que el aprendizaje automático también podría usarse en dispositivos Apple que actualmente no incluyen IA. "Puedo verlos ejecutando IA en el Apple Watch y en AirPods, para limpiar el sonido, por ejemplo", dice. "Hay una gran oportunidad en los productos existentes".
La ejecución de IA sofisticada en video, como un algoritmo que puede decir qué está sucediendo en una escena o agregar efectos especiales complejos, generalmente se realiza en la nube porque requiere una cantidad significativa de energía de la computadora. "Por ejemplo, agregar profundidad de campo sintética a sus fotos puede requerir ejecutar una red profunda para estimar la profundidad de cada píxel", dice James Hays, profesor de Georgia Tech que se especializa en visión por computadora.
Además de hacer que la cámara de su iPhone sea más inteligente, la tecnología de Xnor.ai podría ayudar a Apple en otras áreas. Darle a las máquinas más capacidad para percibir y comprender el mundo real desordenado será clave para la robótica, la conducción autónoma y la comprensión del lenguaje natural.
"Si el objetivo de la IA es lograr la inteligencia a nivel humano, el razonamiento sobre las imágenes es vital para eso", dice Hays, y señala que "aproximadamente un tercio del cerebro humano está dedicado al procesamiento visual. La evolución parece considerar la visión vital para la inteligencia", concluye el investigador.
