Inteligência Artificial - Machine Intelligence - Apple - Turi

Inteligência Artificial - Machine Intelligence - Turi pela Apple


Em 30 de julho de 2014, a SIRI recebeu um transplante de cérebro. Três anos antes, a Apple tinha sido a primeira grande empresa de tecnologia a integrar um assistente inteligente em seu sistema operacional. SIRI foi uma adaptação da empresa de um aplicativo autônomo que tinha comprado, juntamente com a equipe que a criou, em 2010. Os comentários iniciais foram excelentes, mas nos próximos meses e anos, os usuários ficaram impacientes com suas deficiências. Com demasiada frequência, a SIRI interpretava comandos erroneamente.

Assim, a Apple transferiu o reconhecimento de voz da SIRI para um sistema baseado em Redes Neurais para os usuários dos EUA naquele dia de julho de 2014 (somente em 15 de agosto de 2014 foi atualizado no resto do mundo.) Algumas das técnicas anteriores permaneceram operacionais - se você estiver anotando em casa, envolveu Modelo oculto de Markov - mas agora o sistema aproveitava técnicas de: Machine Learning, incluindo Redes Neurais Profundas (DNNDeep Neural Networks), Redes Neurais Convolucionais, unidades de memória de longo prazo, unidades recorrentes fechadas e n-gramas. Quando os usuários fizeram a atualização, a SIRI ainda parecia a mesma, mas fora super-reforçada com Deep Learning - Aprendizagem Profunda.

Esta história da transformação dSIRI, revelada aqui, pode levantar uma sobrancelha em grande parte do mundo da IA - Inteligência Artificial. Não é que as Redes Neurais não melhorem o sistema - é claro que fazem isso - mas a Apple não era tão hábil em fazê-lo. Até recentemente, antes das contratações da Apple no campo IA se intensificarem, observadores viam na Apple uma certa perda de ritmo no que está se configurando como a competição mais acirrada da indústria: A corrida para o melhor uso dessas poderosas ferramentas de IA. Devido a Apple sempre ser tão silenciosa sobre o que se passa atrás de suas portas, não sabíamos o que a Apple estava fazendo na questão do Machine Learning"A Apple é a NSA da IA" diz Jerry Kaplan, que ministra cursos na Universidade de Stanford sobre a história da Inteligência Artificial. Mas os brâmanes da IA achavam que se os esforços da Apple fossem tão significativos quanto os da Google ou do Facebook, teriam ouvido algo a respeito.


Reconhecimento facial? A Apple está no jogo com suas Redes Neurais.

Qual o resultado prático?
Se você é um usuário do iPhone, já se deparou com a IA da Apple antes, e não apenas com a sensibilidade aprimorada dSIRI, descobrindo o que você pede dela. Você a vê quando seu telefone identifica alguém que não está na sua lista de contatos (mas lhe enviou um e-mail recentemente). Ou quando desliza na tela para obter uma lista restrita dos aplicativos que provavelmente abrirá em seguida. Ou quando recebe um lembrete de um compromisso que nunca colocou em seu calendário. Ou quando um local do mapa aparece para o hotel que reservou, antes mesmo de digitá-lo. Ou quando o telefone aponta para onde estacionou seu carro, mesmo que nunca tenha pedido isso. Estas são todas as técnicas tornadas possíveis ou muito melhoradas pela adoção da Apple do Deep Learning e das Redes NeuraisSim, existe um "cérebro da Apple" - e já está dentro do seu iPhone.
O Apple Watch usa o Machine Learning em seus aplicativos relacionados à aptidão.

Apple nessa direção

A IA não é uma novidade para a Apple. Nos anos 1990, usava algumas técnicas de MLMachine Learning em seus produtos de reconhecimento de manuscrito. (Lembre-se Newton?) Restos desses esforços ainda são encontrados nos produtos de hoje que convertem caracteres chineses rabiscados à mão, em textos ou o reconhecimento da entrada letra por letra de um dedo do usuário do Apple Watch "rabiscando" uma mensagem personalizada no relógio. (Ambos os recursos foram produzidos pela mesma equipe de engenheiros do ML.) Claro que, nos dias anteriores, a aprendizagem mecânica era mais primitiva, e o aprendizado profundo ainda não era um buzzworded. Hoje, essas técnicas de IA são todas importantes e a Apple se irrita com a implicação de que suas técnicas de aprendizagem sejam comparativamente superficiais. 

"Nos últimos 5 anos vimos um crescimento enorme da IA dentro da Apple", diz Phil Schiller. "Nossos dispositivos estão ficando mais inteligentes a um ritmo muito mais rápido, especialmente com nosso projeto da série de chips. As extremidades traseiras estão ficando mais rápidas, e tudo o que fazemos encontra alguma razão para estarem conectados. Isso permite mais e mais técnicas de ML, por haver tanta coisa para aprender, disponível para nós."

Mesmo que a Apple  tenha abraçado a ML, seus executivos advertem que o abraço é, em certo sentido, um negócio como o de costume para eles. O Cupertino Illuminati vê o Deep Learning e a ML apenas como o mais recente fluxo de tecnologias inovadoras. Sim, sim, é transformador, mas não mais do que os outros avanços, como as telas sensíveis ao toque, as telas planas ou a programação orientada a objetos. Na visão da Apple, a ML não é a fronteira final, apesar do que outras empresas dizem. "Não é como se não houvesse outras tecnologias ao longo dos anos que foram instrumentais na mudança da forma como interagimos com os dispositivos", diz Cue. E ninguém na Apple quer sequer tocar nas especulações assustadoras que invariavelmente surgem nas discussões de IA. Como seria de esperar, a Apple não confirmou se estava trabalhando em carros auto-dirigidos, ou em sua própria versão do Netflix. Mas a equipe deixou bem claro que a Apple não estava trabalhando na Skynet.

"Nós usamos essas técnicas para fazer as coisas que sempre quisemos fazer, melhor do que conseguiamos fazer", diz Schiller. "E sobre as coisas novas que não podemos fazer. Nossa técnica é a de que acabará por ser uma forma muito Apple de fazer as coisas, evoluindo dentro da própria Apple, essa é a nossa forma de fabricar produtos".

No entanto, torna-se claro o quanto IA já moldou a experiência global de utilização do ecossistema Apple. MAs, a visão geral do estabelecimento da IA ​​para a Apple é a de que ainda esteja constrangida pela falta de um mecanismo de busca (que pode fornecer os dados que ajudariam a treinar suas Redes Neurais) e sua inflexível insistência em proteger as informações do usuário (o que potencialmente nega os dados da Apple que também poderiam ser usados). Mas a Apple descobriu um modo de saltar esses dois obstáculos.

Quão grande é esse cérebro, o cache dinâmico que permite a aprendizagem de máquina no iPhone? Cerca de 200 megabytes, dependendo de quanta informação pessoal esteja armazenada (sempre é excluído os dados mais antigos). Isso inclui informações sobre o uso de aplicativos, interações com outras pessoas, processamento de redes neuronais, modelador de fala e a "modelagem de eventos de linguagem natural". Também tem dados usados ​​para Redes Neurais que permitem o reconhecimento de objetos, o reconhecimento facial e a classificação de cenas.


E, de acordo com a Apple, tudo é feito para que suas preferências, predileções e peregrinações mantenham-se privadas.


Vamos às Compras

A Turi foi fundada em 2009 pelo brasileiro Carlos Guestrin, como um projeto open-source na Universidade Carnegie Mellon, chamou-se Dato e GraphLab antes de assumir o formato atual, que apelou às ambições da Apple no campo da IA. O negócio teria sido fechado por cerca de US$ 200 Mi, segundo informações da Bloomberg, que cita pessoas próximas do assunto como fonte. Turi construiu um kit de ferramentas ML que foi comparado ao TensorFlow da Google, e a compra alimentou a especulação de que a Apple iria usá-la para fins semelhantes, tanto internamente como para os desenvolvedores. Os executivos da Apple não confirmaram ou negaram. 

Embora não tenha confirmado os pormenores da aquisição, a Apple comentou o negócio com a declaração que costuma fazer sempre que compra uma empresa. “A Apple compra pequenas firmas de tecnologia de tempos a tempo, e geralmente não discutimos o nosso propósito ou planos”, escreveu a empresa num comunicado.

Além de refletir um maior compromisso da Apple com a IA e Machine Learning, esta aquisição também lhe permitiu reforçar a presença em Seattle – onde amplia a presença de engenheiros nos últimos dois anos.

Em 2014 comprou a startup de networking na nuvem Union Bay Networks, também sediada em Seattle, que levou a Apple a abrir o seu escritório de engenharia na área metropolitana onde também é a sede da Microsoft. A Apple também comprou outras empresas de aprendizado de máquina como Emotient, que usa a Inteligência Artificial para o reconhecimento de expressão facial, a Percpetio e a VocallQ.

Carlos Guestrin, o professor da Universidade de Washington que fundou a Turi, não teceu comentários sobre a aquisição. Mas a intenção é manter a equipa em Seattle, enquanto a Apple trabalha na expansão das capacidades do seu assistente digital, SIRI – talvez seja aqui onde a tecnologia faça mais sentido.

Turi, oferece serviços que auxiliam os desenvolvedores que trabalham com ML, possui sistemas que permitem a criação de ferramentas de recomendação, detecção de fraudes e análise de padrões de uso de consumidores, entre outras coisas.


A aquisição da Apple também visa ganhar vantagem contra a Google, o Facebook e a Amazon, que também vem investindo em IA. Com a Turi, a Apple quer tentar se antecipar ao que as pessoas querem.

O resultado prático de tanta tecnologia

Não importa de onde o talento venha, a infra-estrutura de IA da Apple permite desenvolver produtos e recursos que não seriam possíveis por meios anteriores. Tudo isso tem alterado o roteiro de produtos da empresa. "Aqui na Apple não há fim para a lista de ideias realmente legais", diz Schiller. "A ML está permitindo dizermos sim a algumas coisas que nos últimos anos teríamos dito não. Está se incorporando no processo decisório dos produtos que vamos fazer em seguida."


Um exemplo disso é o Apple Pencil que funciona com o iPad Pro. Para que a Apple incluísse sua versão de uma caneta de alta tecnologia, tinha que lidar com o fato de que quando as pessoas escreviam no dispositivo, a parte inferior de suas mãos, invariavelmente escovava a tela sensível ao toque, causando todos os tipos de estragos digitais. Usando um modelo de ML para "rejeição de palma" habilitamos o sensor de tela para detectar a diferença entre um golpe, um toque e uma entrada de lápis com um grau muito elevado de precisão. "Se isso não funcionasse solidamente, este não seria um bom pedaço de papel para se escrever sobre ele, e o Apple Pencil não seria um bom produto", diz Federighi. Se você ama seu Apple Pencil, agradeça a ML.

Embora seja claro que a ML tenha mudado os produtos da Apple, não está tão claro se está mudando a própria Apple. Em certo sentido, a mentalidade de ML parece estar em desacordo com o ethos da Apple. A Apple é uma empresa que controla cuidadosamente a experiência do usuário, até os sensores que medem swipes. Tudo é pré-concebido e codificado com precisão. Mas quando os engenheiros usam a ML, precisam recuar e deixar que o próprio software descubra soluções. A Apple pode se adaptar à realidade moderna de que os sistemas de aprendizado de máquinas podem, eles próprios, ter uma mão no design do produto?


Leia também:


Envie seus comentários e sugestões e compartilhe este artigo!

brazilsalesforceeffectiveness@gmail.com

✔ Brazil SFE®✔ Brazil SFE®´s Facebook´s Profile  Google+   Author´s Professional Profile  ✔ Brazil SFE®´s Pinterest       ✔ Brazil SFE®´s Tweets

Vitrine

Related Posts Plugin for WordPress, Blogger...