Inteligencia artificial, machine learning y deep learning: cuando el software parece humano
La inteligencia artificial consiste, a grandes rasgos, en que un software es capaz de realizar acciones similares a las humanas, a través de una serie de razonamientos similares a los que hacen las personas. Por ejemplo, poder identificar una flor o un animal en una fotografía se engloba dentro de la IA; y más concretamente, dentro del machine learning y del deep learning.
El machine learning es la parte de la IA que más importante está teniendo en la telefonía móvil últimamente. Este concepto significa que un software puede aprender más allá de su programación original. A su vez, dentro del machine learning encontramos el deep learning, que busca imitar el funcionamiento del cerebro humano mediante lo que se conoce como redes neuronales.
El machine learning puede, entre otras aplicaciones, aprender a identificar mejor el spam que llega a tu correo electrónico basándose en emails previos de spam que hayas recibido. El deep learning es más avanzado (de ahí la parte de profundo), y aprovecha más datos, puede analizar más capas, y el proceso de razonamiento es mucho más natural e inteligente. Gracias a ello, se puede distinguir un tipo de imagen entre miles o millones (por ejemplo, que se identifique la foto en la que aparece un gato entre miles de fotos de flores).
El hardware para IA en nuestros móviles
Mientras que una CPU tiene un uso general, y las tarjetas gráficas se usan para tareas fácilmente paralelizables (renderización 3D o minado de criptomonedas), los móviles están incluyendo cada vez más un coprocesador dedicado a tareas de IA, lo cual aumenta su eficiencia, libera recursos para el procesador, y ahorra batería.
Estos chips son llamados NPU (Neural Processing Unit), y uno de los primeros procesadores en incluir uno de ellos es el Kirin 970 que equipa el Huawei P20 Pro. Este chip puede procesar 2.000 imágenes por segundo, lo cual es unas 25 veces más rápido de lo que puede hacer un procesador actual, y unas 50 veces más eficiente energéticamente.
Apple, por su parte, incluye el Neural Engine en su A11 Bionic del iPhone 8 y iPhone X , el cual se encarga de gestionar tareas como el reconocimiento facial, el reconociento de voz, o identificar escenas en fotografías.
Algunos fabricantes no incluyen todavía NPU en sus móviles, sobre todo porque Qualcomm no los ha incluido todavía en los Snapdragon. Estas tareas se realizan actualmente con la CPU (aislando partes específicas para ello), pero en el futuro irán incluyéndose cada vez más NPU en los móviles para poder ayudarnos en tareas del día a día. Entre ellas encontramos hacer fotos, la identificación facial, los animoji, mejor reconocimiento de voz y tareas en los asistentes de voz, y otros muchos usos que están por llegar.
Fuente: adslzone
