La compañía de chips trabaja en soluciones para implementar machine learning en los dispositivos de consumo, con el fin de popularizar la tecnología
La inteligencia artificial parece reservada a la computación de alto rendimiento. Y cuanto más sofisticadas sean sus diferentes disciplinas, como el machine learning , más acusado parece este fenómeno. Sin embargo, poco a poco esta tecnología llega a cada vez más usuarios de manos de los nuevos dispositivos y las nuevas redes.
Para llevar a cabo tareas de inteligencia artificial hoy en día solo se necesita una buena conexión a Internet, cierta capacidad de computación y acceso a un sistema de IA en la nube. Incluso algunos fabricantes de dispositivos se han esforzado por que sus productos contengan chips optimizados para cargas de trabajo de inteligencia artificial. Es el caso de los NPUs (neural processor unit) que ya incluyen los smartphones de alta gama de Apple, Huawei o Samsung.
Pero lo cierto es que a la inteligencia artificial aún le queda recorrido para llegar a todo el mundo. Para el desarrollador de chips ARM esto es algo que se puede lograr. Y la compañía trabaja en ello, según revela en una entrevista su vicepresidente de machine learning Steve Roddy.
La visión de la compañía para el futuro consiste en crear NPUs, no solo para los dispositivos móviles de gama alta, sino para todos. De esta forma, la capacidad de procesamiento que ofrece uno de estos chips, especialmente en campos como el reconocimiento de objetos mediante visión artificial , estará disponible en terminales de gama media e incluso en los de gama más baja.
Evidentemente esto toma su tiempo. ARM trabaja en procesadores optimizados que puedan incorporar machine learning en los dispositivos de consumo. Este tipo de chips serían complementarios a las CPUs (central processor unit) y a las GPUs (graphical processor unit).
IA para todos
Como rama de la inteligencia artificial, el machine learning proporciona grandes capacidades también en la esfera del mercado de consumo. El hecho de que los dispositivos que se venden masivamente puedan acceder a esta tecnología permitiría también mejorar algunas funciones que ahora dependen de la nube.
Como muestra de la utilidad del machine learning en un dispositivo de consumo se puede citar el reconocimiento de voz. El procesamiento del lenguaje natural es una tarea que consume gran cantidad de recursos. Y normalmente un sistema de computación local, como el procesador de un smartphone o de un ordenador, no está preparado para lidiar con la arbitrariedad que puede alcanzar una petición de este tipo.
Contar con un procesador optimizado para machine learning permitirá, por ejemplo, mejorar el funcionamiento de los traductores de voz sin conexión a Internet. Algo bastante útil cuando estás en un país extranjero donde ni tu idioma ni tu tarifa de datos te permiten comunicarte.
Imágenes: Free-Photos, SplitShire
