EON
ews
n
.
592
-
dicembre
2015
12
learning genera anche i con-
sulenti elettronici e gli assi-
stenti virtuali personali (VPA,
virtual personal assistant),
simili a Google Now, Cortana
di Microsoft e Siri di Apple,
che sono da considerare i
precursori di quelli che diven-
teranno gli “agenti autonomi”.
Le reti digitali e le macchine
intelligenti richiedono archi-
tetture di calcolo molto inten-
sivo, architetture neuromorfi-
che con boost ultraefficienti e
ad alta potenza. Grazie alla
tecnologia sottostante basa-
ta su FPGA, queste archi-
tetture neuromorfiche sono
molto vantaggiose; sono in
grado di girare a velocità su-
periori al teraflop con un’e-
levata efficienza energetica.
“I sistemi costruiti su GPU e
FPGA funzioneranno sem-
pre più come cervelli umani
-ha detto Cearley, cosa che
li renderà particolarmente
adatti per essere applicati nel
deep learning (apprendimen-
to approfondito) e negli algo-
ritmi per il rilevamento della
forma (pattern matching)”, ad
esempio l’impronta del dito
che viene utilizzata da molte
smart machine. “L’architet-
tura basata su FPGA con-
sentirà la distribuzione degli
algoritmi in fattori di forma
più piccoli, con una conside-
revole riduzione del consumo
elettrico; in questo modo le
capacità avanzate di machi-
ne learning potranno prolifi-
care nei più piccoli terminali
IoT all’interno delle case,
nelle automobili ma anche
negli orologi da polso, in altri
dispositivi indossabili e addi-
rittura nell’essere umano”.
Andrew Bickley, Technol-
ogy Marketing director di
Arrow EMEAVi sono necessità e urgenza
di sviluppare rapidamente
soluzioni di machine lear-
ning, altrimenti, come teme
Intel, entro il 2018 metà di
tutte le reti installate sarà
intasata dall’esplosione dei
dati digitali provocata dall’In-
ternet delle Cose (IoT). Il solo
sviluppo rapidissimo dei sen-
sori genererà un’immensità
di dati che andranno gestiti.
I concetti di apprendimen-
to e risposta autonoma si
comprendono bene confron-
tandosi con le applicazioni
che già sono disponibili sui
laptop, che eseguono ricer-
che web e inviano consigli di
azione sulla base delle pre-
ferenze dell’utente. Anche
nel machine learning le mac-
chine sapranno riconoscere
i dati necessari e non per-
deranno tempo nell’elabo-
razione di dati inutili. Questi
concetti richiedono evidente-
mente delle soluzioni softwa-
re molto complesse e algorit-
mi intelligenti. I cambiamenti
È
questo l’ambiente in cui
saremo sempre più immer-
si, come viene descritto
da
Gar tnernel suo rap-
porto che individua i più
importanti trend tecnolo-
gici per l’anno successi-
vo, di cui “Top 10 Strategic
Technology Trends 2016” è
quello pubblicato lo scorso
ottobre.
Si assisterà a una espansio-
ne dei terminali IoT, afferma
Gartner, da cui accedere a
informazioni e applicazioni
o da cui interagire con per-
sone e social communities,
con i mondi del business e
dell’amministrazione locale e
statale. L’intreccio compren-
de dispositivi mobili, indos-
sabili, elettronica di consumo
e domestica, automotive e
device ambientali, come ad
esempio sensori collegati
all’IoT. Ne consegue che “il
disegno di applicazioni ‘mobi-
le’ si conferma un importante
focus per il mondo dell’im-
presa” ha detto David Cear-
ley, vice president di Gartner
presentando il report.
È un design che deve esse-
re capace di far fluire l’espe-
rienza attraverso vari device
senza che l’utilizzatore ne
avverta il passaggio; questa
è la sfida che accompagnerà
i vendor di software da qui al
2018”.
Per quanto riguarda l’ambito
delle macchine, l’elettronica
dovrà confrontarsi con evo-
luzioni non da poco. Si sta
passando a quello che viene
chiamato machine learning
avanzato, cioè la capacità
delle reti neurali (DNN deep
neural net) di andare oltre il
classico computing e gestio-
ne dell’informazione, per cre-
are invece sistemi che pos-
sono apprendere a percepire
il mondo in modo autonomo.
Tutto ciò è estremamente
utile per potere governare
l’esplosione di dati e informa-
zioni con una gestione che
sia più efficace e meno one-
rosa di quella attuale.
Il machine learning origina
un ampio spettro di realizza-
zioni, inclusi i robot, i veicoli
e altri hardware autonomi,
che stanno entrando in una
fase di crescita. Il machine
R
eport
Un intreccio di dispositivi nel mondo di Internet
e machine learning sempre più esteso
2016:
le sfide
per l’elettronica
F
rancesca
P
randi
Fonte: Gartner