Parlando di tecnologie di Image Detection, è proprio il caso di dire che un’immagine vale più di mille parole. I campi di applicazione delle tecnologie di analisi delle immagini sono numerosi e probabilmente siamo ancora alla punta dell’iceberg. IBM, con l’introduzione alcuni anni fa della piattaforma IBM PowerAI Vision, ha già posizionato una saldissima bandierina nel mercato, dimostrando ancora una volta di vederci lungo. IBM PowerAI Vision è utilizzato con successo anche in Italia ma la delicatezza dei progetti spesso ne impedisce la divulgazione. Il concetto alla base dell’Image Detection è molto semplice: acquisire informazioni grazie all’analisi delle immagini. Su YouTube si trovano diversi esempi di applicazione della tecnologia IBM PowerAI Vision. Con PowerAI Vision introdotto qualche anno fa, IBM ha dimostrato ancora una volta di vederci lungo e ha già qualche caso notevole di applicazione della tecnologia. L’Image Detection si può utilizzare per il monitoraggio del traffico nelle strade, per quello del flusso di clienti in un centro commerciale o in un qualsiasi altro luogo per fini di sicurezza, ma anche per verificare che il posizionamento della merce sia corretto rispetto al target che affolla un negozio. Dalle analisi microscopiche delle molecole in ambito farmaceutico si studiano nuovi preparati, e dal monitoraggio del comportamento di insetti e animali semplicemente filmandoli, si possono ottenere informazioni per predire, per esempio, le epidemie. Che ci vuole, in fondo? Basta una fotocamera, una videocamera o un microscopio, e il costo di una tecnologia che sfrutta l’Image Detection risulta contenuto. Il Deep Learning richiede grande potenza di elaborazione In verità non è esattamente così. È certamente vero che i dispositivi di acquisizione si possono adattare alle nuove richieste a un costo abbastanza contenuto. Ma è altrettanto vero che un sistema di Image Detection potente deve avere alle spalle una piattaforma hardware e software adeguata. Anche in questo caso entra in gioco l’Intelligenza Artificiale. In particolare, siamo nel campo del Deep Learning, ovvero all’interno del Cognitive – quando le macchine sviluppano un’intelligenza simile a quella umana – e del Machine Learning – quando gli algoritmi prevedono i comportamenti futuri sulla base dell’analisi dei dati. Il Deep Learning sfrutta un modello di rete neuronale per imparare dall’esperienza, fornita dai dati, e svolgere attività in base a ciò che ha imparato. Per realizzare qualcosa che, sulla base delle nostre reti neuronali, elabori meglio di un essere umano, è necessario un hardware di livello. Attraverso il Deep Learning si elaborano miliardi di informazioni al secondo, una capacità impossibile per il cervello umano. Si tratta di acquisire miliardi di dati attraverso immagini e video, perché su questi formati si raccolgono molti più dati rispetto ai formati testuali, e di eseguire migliaia di miliardi di operazioni al secondo. Insomma, l’hardware è importante. L’importanza di una partnership di livello Per questo IBM ha stretto a suo tempo una partnership con Nvidia, produttore di chip grafici di altissimo livello. E non ha solo integrato nei suoi server PowerAI i processori grafici, le GPU, di Nvidia ma ha realizzato una tecnologia di [...]