Machine Learning: cos’è e come funziona Google AutoML?

machine-learning-AutoML

Google ha recentemente sviluppato modelli di Intelligenza Artificiale (AI) basati sul Machine Learning utilizzando reti neurali. Il motore Google per la creazione di questi modelli è stato definito AutoML ed è basato su altri meta-modelli di AI. Per meta-modelli si intende che Google ha già sviluppato modelli di AI che riconoscono immagini per esempio (riconoscono elementi in una immagine, per la precisione). Partendo da questo modello puoi specificare in modo migliore quello che Google fa già (es. Google riconosce un tavolo e tu puoi indicare a Google che il tavolo è quello dell’ufficio). L’utente ha quindi la possibilità di contestualizza rispetto alla propria realtà quello che Google fa in modo generico. Al momento il suo utilizzo è limitato al riconoscimento immagini, testo e lingua (nell’accezione relativa alla traduzione); prossimamente sarà utilizzabile anche per i video. Si chiama AutoML perché si basa su modelli già esistenti.

AutoML e Sme.UP LAB

Il risultato del training è un modello; sono modelli facili da creare e integrare, con costi esigui. Il costo, prima di AutoML, stava nel creare le immagini e nel classificarle nel modo giusto (quindi è il training ad essere effettivamente costoso). Con Google AutoML è molto meno costoso perché bastano poche centinaia di immagini per costruire un modello affidabile. Fino a pochi anni fa, infatti, ci volevano decine di migliaia di immagini.
Un altro vantaggio dei modelli costruiti con AutoML è che sono molto facili da integrare. Questo perché Google espone le API (Web services) a cui è sufficiente passare l’immagine e ottenere la risposta di quello che l’immagine contiene (i cosiddetti tag). Questo significa che è possibile integrare in Sme.UP ERP modelli precedentemente costruiti su Google AutoML; l’integrazione permetterebbe al gestionale e al modello creato di comunicare tra loro mediante dei tag (es. entrata/uscita).

Abbiamo già iniziato ad approcciarci a questo motore e attualmente ci stiamo concentrando sulla parte Vision. Training = insegnare alla macchina (al sistema) utilizzando degli esempi a riconoscere oggetti all’interno di una foto. Io gli mando foto con esempi e gli dico cosa rappresenta l’esempio poi gli do tante foto e si costruisce una memoria interna e quando gli manderò qualcosa con dentro quell’esempio lui lo riconoscerà. Una cosa interessante di Google AutoML è la possibilità di effettuare dei training basati sulle proprie esigenze specifiche.

Per fare un esercizio, siamo partiti dalle immagini delle automobili catturate dalle telecamere fuori dalla nostra sede di Erbusco. Queste telecamere sono collegate a Sme.UP ERP e, tramite riconoscimento delle targhe, invia un segnale di apertura automatica al cancello e registra l’accesso e l’uscita delle vetture (per approfondire questo tema leggi questo articolo). Abbiamo costruito il nostro personale sistema di training per insegnare a Google AutoML a riconoscer le macchine in ingresso dalle macchine in uscita. Utilizzando le immagini delle auto per fare dei test, abbiamo insegnato a AutoML a comprendere se e come il sistema capisce come abbiamo voluto classificare le immagini stesse. Nel nostro caso abbiamo insegnato al sistema di capire se un’auto fosse in entrata o in uscita dalla sede; effettivamente il modello classificava nel modo corretto le immagini delle auto.

dataset-auto
training
predict
Possibili utilizzi di Google AutoML in un’azienda

Sono innumerevoli le potenzialità di utilizzo in una azienda di AutoML così come i settori di applicazione di questa importante innovazione.

Di seguito ne elenco solamente alcune:

  • Manutenzione: riconoscimento prossimità/lontananza oppure presenza/mancanza;
  • Sicurezza in reparto: riconoscimento personale con abbigliamento di sicurezza adeguato per accedere ad una determinata area del reparto;
  • Reparto Qualità: riconoscimento di difetti/differenze tra oggetti e prodotti;
  • Riconoscimento portate nelle mense aziendali (primo, secondo, dessert, ecc.) per il pagamento alla cassa;
  • Riconoscimento facciale per garantire accesso ad una determinata area aziendale;
  • Settore Retail: riconoscimento uomo/donna e prodotto scelto, orario di fruizione dei negozi; logistica negozio (cosa è stato comprato e invenduto);
  • Settore Ristorazione: riconoscimento tavolo libero/occupato/riservato .
Altri utilizzi di Google AutoML

AutoML ha già meta modelli che riguardano la traduzione da una lingua all’altra e il riconoscimento del linguaggio naturale (ad es. potrebbe essere reso possibile il riconoscimento e il conseguente smistamento di email in base al contenuto delle stesse, quindi contabilità, magazzino, ecc.) per il processo di automazione del customer service.

Un altro interessante sviluppo è il download e l’utilizzo di modelli di training sul campo in modalità offline. Il training si fa sempre online ma il download e l’utilizzo si fa anche in condizioni di scarsa o nulla connettività.

Effettivamente questo nuovo strumento di Google potrebbe aprire strade molto interessanti non solo per gli sviluppatori ma anche e soprattutto per gli utenti finali. Restate sintonizzati per scoprire le prossime novità sul tema Google AutoML!


Mauro Sanfilippo

Mauro Sanfilippo
R&D Manager – Gruppo Sme.UP
My LinkedIn Profile


Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *