Mas aplicativos como esse são úteis apenas desde que sejam rápidos e seguros. Uma câmera de IA que leva alguns minutos para processar imagens não é muito usada em uma fábrica e nenhum paciente quer arriscar a exposição de seus dados médicos se forem enviados à nuvem para análise.
Esses são os tipos de problemas que o Google está tentando resolver por meio de uma iniciativa pouco conhecida chamada Coral.
“Tradicionalmente, os dados dos dispositivos [AI] eram enviados para grandes instâncias de computação, hospedadas em data centers centralizados onde os modelos de aprendizado de máquina podiam operar em alta velocidade”, explicou Vikram Tank, gerente de produtos da Coral, ao The Verge por e-mail . "O Coral é uma plataforma de componentes de hardware e software do Google que ajuda a criar dispositivos com IA local - fornecendo aceleração de hardware para redes neurais ... diretamente no dispositivo de ponta".
Para atender às necessidades dos clientes, a Coral oferece dois tipos principais de produtos: aceleradores e placas de desenvolvimento destinadas à criação de protótipos de novas idéias e módulos destinados a alimentar o cérebro da IA de dispositivos de produção, como câmeras e sensores inteligentes. Nos dois casos, o coração do hardware é o Edge TPU do Google , um chip ASIC otimizado para executar algoritmos leves de aprendizado de máquina - um irmão (muito) pequeno do TPU refrigerado a água usado nos servidores em nuvem do Google.
Embora seu hardware possa ser usado por engenheiros solitários para criar projetos divertidos (a Coral oferece guias sobre como construir uma máquina de classificação de marshmallow de IA e um alimentador inteligente de passaros, por exemplo), o foco a longo prazo, diz Tank, está nos clientes corporativos. indústrias como o mundo automotivo e o setor de saúde.
Como um exemplo do tipo de problema que Coral está enfrentando, Tank mostra o cenário de um carro autônomo que usa visão de máquina para identificar objetos na rua.
“Um carro que se desloca a 100 km / h percorre quase 10 pés em 100 milissegundos”, diz ele, portanto, qualquer “atraso no processamento” - causado por uma conexão móvel lenta, por exemplo - “aumenta o risco de casos de uso críticos”. É muito mais seguro para fazer essa análise no dispositivo, em vez de esperar por uma conexão lenta para descobrir se é um sinal de parada ou uma luz de rua à frente.
Tank diz que existem benefícios semelhantes em relação à melhoria da privacidade. "Considere um fabricante de dispositivos médicos que deseja fazer análises em tempo real de imagens de ultra-som usando reconhecimento de imagem", diz ele. Enviar essas imagens para a nuvem cria um potencial elo fraco para os hackers atingirem, mas a análise de imagens no dispositivo permite que pacientes e médicos "confiem que os dados processados no dispositivo não saem do controle deles".
Tank diz que a equipe da AIY percebeu rapidamente que, enquanto alguns clientes queriam seguir as instruções e construir os brinquedos, outros queriam canibalizar o hardware para criar protótipo de seus próprios dispositivos. O Coral foi criado para atender a esses clientes.
O problema para o Google é que existem dezenas de empresas com argumentos semelhantes ao Coral. Eles vão desde startups como a Xnor, com sede em Seattle, que torna as câmeras de IA eficientes o suficiente para funcionar com energia solar, até empresas poderosas como a Intel, que lançou um dos primeiros aceleradores USB para empresas em 2017 e pagou US$ 2 bilhões em dezembro passado pelo fabricante de Chips Habana Labs para melhorar suas ofertas de inteligência artificial de ponta (entre outras coisas).
Dado o grande número de concorrentes por aí, a equipe Coral diz que se diferencia integrando firmemente seu hardware ao ecossistema de serviços de IA do Google.
Essa pilha de produtos - que abrange chips, treinamento em nuvem, ferramentas de desenvolvimento e muito mais - tem sido um dos pontos fortes do trabalho de IA do Google. No caso de Coral, há uma biblioteca de modelos de IA compilados especificamente para seu hardware, além de serviços de IA no Google Cloud que se integram diretamente a módulos individuais de Coral, como seus sensores de ambiente.
De fato, o Coral está tão fortemente integrado ao ecossistema de inteligência artificial do Google que seu hardware com Edge TPU funciona apenas com a estrutura de aprendizado de máquina do Google, TensorFlow, um fato que rivaliza com o mercado de inteligência artificial que The Verge falou disse ser potencialmente um fator limitante.
“Os produtos Coral processam especificamente para sua plataforma [enquanto] nossos produtos suportam todas as principais estruturas e modelos de IA do mercado”, disse um porta-voz da empresa de ponta de inteligência artificial Kneron ao The Verge . (Kneron disse que "não havia negatividade" em sua avaliação e que a entrada do Google no mercado era bem-vinda, pois "valida e impulsiona a inovação no espaço".)
Mas exatamente o quanto de negócios Coral está fazendo agora é impossível dizer. O Google certamente não está pressionando Coral com intensidade tão grande quanto seus serviços de IA em nuvem, e a empresa não compartilharia nenhum valor ou meta de vendas para o grupo. Uma fonte familiarizada com o assunto, no entanto, disse ao The Verge que a maioria dos pedidos da Coral é para unidades únicas (por exemplo, aceleradores de IA e placas de desenvolvimento), enquanto apenas alguns clientes estão fazendo compras corporativas da ordem de 10.000 unidades.
Para o Google, a atração de Coral pode não necessariamente ser receita, mas simplesmente aprender mais sobre como sua IA está sendo aplicada nos lugares importantes. No mundo do aprendizado de máquina prático agora, todas as estradas levam, inexoravelmente, até o limite.
Comentários
Postar um comentário