«Nel mondo ci sono solo 21 milioni di sviluppatori dedicati all’intelligenza, quello che vogliamo è portare il machine learning anche a chi non ha alcuna competenza specifica». Fei-Fei Li, Chief Scientist di Google Cloud e Direttrice di Stanford Artificial Intelligence Lab e Stanford Vision Lab la prende un po’ da lontano ma va dritta al punto. Google, anticipando tutti gli altri attori dell’AI, è pronta a uscire sul mercato con un servizio cloud che offre machine learning per le aziende. Si inizia con la computer vision e quindi con AutoML Vision, un servizio che rende più facile e veloce creare modelli ML di riconoscimento delle immagini. Sarà il primo “modulo” aperto alle aziende interessate, per poi passare a servizi Cloud translation, Cloud natural language, Cloud speech, Cloud video intelligence. La logica di business è quella finora adottata da Google che con questa mossa si definisce sempre di più come AI company. In sostanza, si pagherà a consumo, o meglio in base alla capacità predittiva del software utilizzata.
«Nel 2017 - hanno spiegato gli esperti di Mountain View - abbiamo presentato Google Cloud Machine Learning Engine, per aiutare gli sviluppatori con esperienza di machine learning (ML) a costruire modelli che funzionassero con ogni tipo di dati di qualunque dimensione. Abbiamo mostrato come i servizi moderni di machine learning, per esempio le API – incluse Vision, Speech, NLP, Translation e Dialogflow – potessero essere implementate su modelli già preparati, per rendere le applicazioni aziendali incredibilmente scalabili e veloci. Kaggle, la nostra comunità di data scientist e ricercatori di machine learning, ha superato il milione di persone. E oggi, oltre 10.000 imprese usano i servizi di Google Cloud AI, incluse aziende come Box, Rolls Royce Marine, Kewpie e Ocado».
Come funziona? Sostanzialmente Google mette a disposizione dei modelli di machine learning pre-istruiti tramite API che svolgono compiti definiti. Facciamo un esempio. Una azienda di retail, per esempio nel settore della moda, deve catalogare le foto della propria collezione di vestiti per i servizi di e-commerce. Per fornire ai clienti suggerimenti pertinenti sui prodotti, risultati di ricerca accurati e filtri utili, è fondamentale creare e tenere aggiornato un insieme completo delle caratteristiche che definiscono i prodotti; tuttavia, la creazione manuale di questo insieme di caratteristiche è complessa e richiede molto tempo. Finora, questo servizio di tagging che consente a chi cerca online di trovare il capo di vestiario desiderato inserendo parole come tipo di tessuto, taglia e colore veniva fatto diciamo a mano. Con il machine learning il software viene addestrato a riconoscere e distinguere un maglione di lana da una camicetta. Caricando nel sistema cloud di Google le immagini con una descrizione fornita dal cliente il software “impara” e terminata la fase di training automaticamente è un grado di riconoscere una foto e descriverne il contenuto. In pratica l’interfaccia drag-and-drop permette di caricare facilmente le immagini, istruire e gestire i modelli, e applicarli direttamente su Google Cloud. Tecnicamente invece vengono sftuttate le tecniche avanzate come learning2learn e transfer learning (passaggio dell'apprendimento) da Google.
Per provare Auto ML Vision, è possibile richiedere l'accesso tramite questo modulo.
© Riproduzione riservata