Le più grandi innovazioni e pietre miliari dell’IA del 2021
“Ricordati di celebrare le pietre miliari mentre ti prepari per la strada da percorrere”
— Il filantropo Nelson Mandela
L’intelligenza artificiale, o AI, è un campo in continua evoluzione. E gli occasionali fallimenti qua e là non dovrebbero impedirci di pubblicizzare i grandi progressi. Nell’ultimo anno e mezzo, nonostante la crisi globale, in alcuni casi a causa della crisi globale, scienziati, ricercatori e sviluppatori hanno dato contributi folli, innovato e hanno raggiunto traguardi senza precedenti nel campo dell’IA.
Mentre ci avviciniamo alla fine del 2021, Analytics India Magazine ripercorre l’anno che è stato e le innovazioni e le pietre miliari dell’IA di quest’anno che sono arrivate ai titoli dei giornali.
Facebook SEER
All’inizio di quest’anno Facebook AI ha sviluppato SEER (SElf-supERvised) – un modello di visione artificiale auto-supervisionato da miliardi di parametri. Il modello può imparare da qualsiasi gruppo casuale di immagini su Internet, senza dover curare ed etichettare attentamente le immagini, che altrimenti sarebbe un prerequisito per l’addestramento alla visione artificiale. Finora, il team di Facebook AI ha testato SEER su un miliardo di immagini, non curate e senza etichetta, su immagini di Instagram disponibili pubblicamente. Secondo quanto riferito, ha funzionato meglio della maggior parte dei sistemi auto-supervisionati avanzati. Questa svolta apre la strada a modelli di visione artificiale flessibili, accurati e adattabili per il futuro.
Isomorphic Lab
La società madre di Google, Alphabet, ha introdotto Isomorphic Lab , nel tentativo di accelerare la scoperta di nuovi farmaci utilizzando l’intelligenza artificiale. Il fondatore e CEO della sua sussidiaria DeepMind, DEmis Hassabis, ha annunciato la creazione del laboratorio per trovare infine spunti per alcune delle “malattie più devastanti dell’umanità”.
Alphabet prevede di sviluppare una piattaforma computazionale per comprendere meglio i sistemi biologici e trovare modi per curare le malattie. Sebbene separati, DeepMind e Isomorphic intendono collaborare occasionalmente per sviluppare la ricerca, le scoperte e il lavoro sulla struttura delle proteine.
Vertex AI
All’inizio di quest’anno, Google Cloud ha annunciato la disponibilità di Vertex AI all’evento Google I/O. È una piattaforma di machine learning (ML) gestita per l’implementazione e la manutenzione di modelli di intelligenza artificiale. Vertex AI riunisce le piattaforme AutoML e AI in un’API unificata e può essere utilizzata per creare, distribuire e ridimensionare i modelli ML più velocemente. Implementato da Google Research, Vertex AI ha richiesto l’80% in meno di righe di codice per la modellazione personalizzata. Si integrava con framework open source tra cui TensorFlow, PyTorch e Scikit-learn.
MusicBERT
Microsoft ha sviluppato un modello pre-addestrato su larga scala per la comprensione della musica simbolica : MusicBERT . Il modello può comprendere la musica da dati simbolici, cioè in formato MIDI e non audio; e poi concediti la classificazione del genere, la classificazione delle emozioni e la corrispondenza dei brani musicali. Il gigante della tecnologia ha utilizzato il metodo OctupleMIDI, la strategia di mascheramento a livello di barra e un corpus musicale simbolico su larga scala di oltre un milione di brani musicali.
MusicBERT raggiunge prestazioni all’avanguardia nelle attività di comprensione della musica e, andando avanti, il team di Microsoft tenta di applicare il modello su attività che includono l’analisi della struttura e il riconoscimento degli accordi.
AI Copilot GitHub
La società di intelligenza artificiale OpenAI e Microsoft hanno collaborato per lanciare il programmatore AI Copilot nel luglio di quest’anno. Basato su OpenAI Codex, il nuovo sistema di intelligenza artificiale è addestrato su codice open source, contestualizzando una situazione utilizzando docustring, nomi di funzioni, codice precedente e commenti per determinare e generare il codice più pertinente.
Il GitHub Copilot è addestrato su miliardi di righe di codice pubblico , mettendo le conoscenze si ha bisogno a portata di mano durante il salvataggio di una volta e aiutandoli a rimanere concentrato. Funziona su un ampio set di framework e linguaggi tra cui TypeScript, Ruby, Java, Go e Python.
Tensorflow 3D
Google ha sviluppato e lanciato TensorFlow 3D , una libreria modulare per portare le funzionalità di deep learning 3D in TensorFlow, all’inizio di quest’anno. Quest’ultimo aggiornamento dà accesso a insiemi di operazioni, funzioni di perdita, modelli per lo sviluppo, la formazione e l’implementazione di modelli di comprensione della scena 3D e strumenti e metriche di elaborazione dei dati.
TensorFlow 3D supporta set di dati inclusi Waymo Open, Rio e ScanNet. Esso supporta tre oleodotti – 3D Semantic Segmentazione, 3D grado Segmentazione e rilevamento di oggetti 3D.
