Le reti neurali profonde ottengono risultati eccezionali in impegnativi compiti di classificazione delle immagini. Tuttavia, la progettazione di topologie di rete è un compito assai complesso che coinvolge i ricercatori in uno sforzo costante rivolto a scoprire nuove topologie ad alta precisione. Gli studiosi di IBM Research, in collaborazione con il Politecnico di Zurigo (ETH) e l’Università di Bologna, hanno recentemente presentato il primo algoritmo di intelligenza artificiale in grado di sintetizzare automaticamente le reti neurali profonde.
Questa novità rappresenta un passo importante che permette di rendere efficienti i sistemi di classificazione delle immagini nei dispositivi IoT, con latenze di classificazione inferiori a 10 millisecondi. Sulla base dei test condotti fino a oggi, infatti, la ricerca dell’architettura di rete neurale profonda ha dimostrato di saper creare modelli efficienti di IA, capaci di operare su hardware a basso costo con una precisione mai raggiunta prima.
Questo white paper, fornito da IBM, illustra i risultati dello studio condotto dai ricercatori di IBM Research, in collaborazione con il Politecnico di Zurigo e l’Università di Bologna. Continuando a leggere, scoprirete:
- quali sono i modelli di deep learning che soddisfano i requisiti tipici dell’IoT
- in che modo le reti neurali profonde possono funzionare in modo efficiente su dispositivi IoT
- come ottenere latenze di risposta superiori a 10 ms su un dispositivo periferico da $ 35
