Como um carro que dirige sozinho diferencia uma pessoa de um cone de tráfego? Como o Spotify escolhe músicas para minha lista de reprodução "Discover Weekly"? Por que o filtro de spam do Gmail é tão eficaz?

A resposta é um tipo de inteligência artificial conhecida como redes neurais profundas. Essas redes são muito boas em reconhecer e classificar dados, mas eles tendem a consumir muito poder de computação e memória para funcionar - muito para funcionar rapidamente em algo como um smartphone comum.

Agora, pesquisadores da Northeastern demonstraram uma maneira de executar redes neurais profundas em um smartphone ou sistema semelhante. Usando o método deles, as redes podem executar tarefas até 56 vezes mais rápido do que demonstrado em trabalhos anteriores, sem perder a precisão. Eles apresentarão seu trabalho em uma conferência sobre inteligência artificial no próximo mês em Nova York.

"É difícil para as pessoas conseguirem a execução em tempo real de redes neurais em um smartphone ou neste tipo de dispositivo móvel, "diz Yanzhi Wang, professor assistente de engenharia elétrica e da computação na Northeastern. "Mas podemos fazer com que a maioria dos aplicativos de aprendizado profundo funcione em tempo real."

Tipicamente, um dispositivo móvel precisa estar conectado à internet para ter acesso a uma rede neural profunda. O telefone coleta dados, mas o processamento é feito em servidores remotos - é por isso que você não pode falar com o Siri quando o iPhone está no modo avião.

Wang e seus colegas desenvolveram uma maneira de reduzir o tamanho do modelo de rede neural e gerar código automaticamente para executá-lo com mais eficiência. Este trabalho pode permitir que redes neurais profundas sejam implementadas em dispositivos de prateleira que podem não ter acesso consistente à Internet. E isso vai muito além da comunicação viva-voz com seu telefone.

"Há tantas coisas que precisam de inteligência, "Diz Wang." Dispositivos médicos, dispositivos vestíveis, sensores, câmeras inteligentes. Todos esses, eles precisam de algo para aumentar o reconhecimento, segmentação, monitorando, vigilância, e tantas coisas, mas atualmente eles são limitados. "

A inteligência artificial já está sendo usada para melhorar a tecnologia médica em hospitais. Existem muitas oportunidades para expandir o uso de dispositivos vestíveis também, potencialmente fornecendo orientação para pessoas com deficiência ou alertando pacientes e médicos sobre mudanças no ritmo cardíaco ou outras preocupações. Mas imagine perder um alerta sobre um possível ataque cardíaco porque você estava no metrô e não tinha serviço.

"Para muitas das aplicações de dispositivos médicos, não podemos presumir que esse tipo de dispositivo está sempre conectado à internet, "Diz Wang." E ao se conectar à Internet, sempre há um atraso significativo. Tudo precisa ser computado e enviado de volta. "

Quando Wang diz "um atraso significativo, "ele está falando sobre frações de segundo. Mas isso é o suficiente para fazer a diferença.

"Para carros autônomos, todos os dados precisam ser enviados para um data center em nuvem, então há um atraso de transmissão para enviá-lo de volta, "Wang diz." Talvez 0,1 segundo. E este 0,1 segundo pode causar danos. "

Eliminar essa fração de segundo de atraso pode salvar vidas.

Wang também observa que as redes neurais profundas podem levantar questões de privacidade, porque as informações pessoais são compartilhadas na nuvem para que essas redes funcionem. Processando dados localmente, sem enviá-lo para servidores distantes, poderia deixar as pessoas mais confortáveis ​​usando dispositivos movidos por inteligência artificial.

"Anteriormente, as pessoas acreditavam que o aprendizado profundo precisava de chips dedicados, ou só poderia ser executado em servidores na nuvem, "Diz Wang." Esse tipo de pressuposto de conhecimento limita a aplicação do aprendizado profundo. Nem sempre podemos contar com a nuvem. Precisamos tornar local, decisões inteligentes. "