L'intelligenza artificiale potrebbe renderti miliardario nel 2025?

Hydrogen Torch, l'ultimo prodotto di H2O, è progettato per fornire le capacità di intelligenza artificiale dei giganti del web al resto del mondo, afferma il CEO Sri Ambati.

Ci sono circa 1200 grandi maestri di scacchi nel mondo e solo 250 grandi maestri dell'IA. Negli scacchi, come nell'IA, il grande maestro è un riconoscimento riservato ai giocatori professionisti di alto livello. Nell'intelligenza artificiale, questo riconoscimento viene assegnato ai data scientist con le migliori prestazioni nel sistema di progressione di Kaggle.

H2O.ai, la società di AI Cloud che ha raccolto 100 milioni di dollari in un round di serie E alla fine del 2021 e che ora ha un valore di 1,6 miliardi di dollari, impiega il 10% dei grandi maestri dell'intelligenza artificiale del mondo. L'azienda ha appena annunciato H2O Hydrogen Torch, un prodotto che mira a portare l'intelligenza artificiale in grande maestria per l'elaborazione di immagini, video e linguaggio naturale (NLP) nelle aziende.

Ci siamo messi in contatto con il CEO e fondatore di H2O, Sri Ambati, e abbiamo discusso di tutto, dalle origini di H2O e dall'offerta complessiva a Hydrogen Torch e da dove si inserisce nel panorama dell'intelligenza artificiale.

H2O: uno stack per l'intelligenza artificiale

Ambati ha iniziato a lavorare con l'intelligenza artificiale facendo traduzioni da voce a testo per il programma di ricerca spaziale indiano alcuni decenni fa. Successivamente si è imbattuto nelle reti neurali, che all'epoca erano in una fase iniziale. Come immigrato nella Silicon Valley, ha trascorso del tempo lavorando in startup. Trascorse anche del tempo sabbatico tra Berkeley e Stanford e incontrò matematici, fisici e informatici.

Lavorando con loro, Ambati ha gettato le basi per quella che sarebbe diventata la base open source di H2O. Ma è stato solo quando sua madre si è ammalata di cancro al seno che è stato "ispirato a democratizzare l'apprendimento automatico per tutti".

Ambati ha deciso di portare l'intelligenza artificiale a portata di mano di ogni medico o scienziato dei dati che risolve problemi di valore per la società, come ha detto. Per fare ciò, ha aggiunto, la matematica e l'analisi su larga scala devono essere reinventate. Ciò ha portato a H2O, che riunisce ingegneri del compilatore, ingegneri di sistema, matematici, data scientist e grandi maestri, per semplificare la creazione di modelli di alto valore e alta precisione, molto velocemente.

C'è un'intera linea di prodotti costruita da H2O nel corso degli anni per concretizzare questo. Quando H2O è iniziato nel 2012, ha detto Ambati, c'era una lacuna nelle basi di intelligenza artificiale open source scalabili. C'erano linguaggi come R e Python che permettevano alle persone di costruire modelli, ma erano molto lenti o fragili o non completamente funzionali. Il contributo di H2O, secondo Ambati, è stato quello di aver costruito "il calcolatore di distanza più veloce del mondo".

Questo è un riferimento alla matematica di base utilizzata per la moltiplicazione di matrici nel deep learning. Quando è possibile calcolare la distanza tra due tensori lunghi, ha aggiunto Ambati, è possibile iniziare a produrre matematica ricca, lineare e non lineare attraverso dati ad alta e bassa dimensione.

Tale contributo fa parte del framework open source H2O. Ambati chiama questa base di basso livello "il linguaggio assembly per l'intelligenza artificiale". Poi H2O ha integrato framework e comunità open source come Scikit-learn, XGBoost, TensorFlow di Google o PyTorch di Facebook. Il team di H2O ha iniziato a contribuire a questi obiettivi, mettendo insieme un framework integrato in quello che sarebbe diventato noto come AutoML.

I prodotti di H2O in questo spazio sono H2O AutoML, basato su H2O open source e XGBoost, e un'offerta più ampia chiamata Driverless AI che è closed source. Entrambi si rivolgono ai dati delle serie temporali, che sono la spina dorsale di molti casi d'uso aziendali come la previsione dell'abbandono, la prevenzione delle frodi o il punteggio di credito.

La torcia a idrogeno di H2O è l'ultima aggiunta al suo portafoglio di prodotti, con l'obiettivo di portare l'intelligenza artificiale all'avanguardia per l'elaborazione di immagini, video e linguaggio naturale (NLP) nelle aziende. Immagine: H2O

L'intelligenza artificiale senza conducente è stata "il motore dell'economia H2O", secondo Ambati, negli ultimi quattro anni. Ha aiutato H2O ad acquisire centinaia di clienti, tra cui oltre la metà delle aziende Fortune 500, tra cui AT&T, Citi, Capital One, GlaxoSmithKline, Hitachi, Kaiser Permanente, Procter & Gamble, PayPal, PwC, Reckitt, Unilever e Walgreens.

Ambati chiama questo livello "i compilatori dell'intelligenza artificiale". È qui che H2O ha iniziato a utilizzare l'approccio del grande maestro: dividere lo spazio del problema in molte ricette, assegnando i grandi maestri di Kaggle a ciascuna ricetta, con l'obiettivo di distillare le loro conoscenze per rendere le cose più facili per i team sul campo.

La fase successiva dopo la creazione di un buon modello di apprendimento automatico consiste nell'utilizzare in sicurezza questo modello. I dati hanno intrinsecamente dei pregiudizi e i modelli distorti non dovrebbero andare in produzione senza essere contestati. Trovare i punti ciechi ed eseguire test contraddittori e convalida dei modelli, distribuire i modelli e quindi integrarli nel CI/CD della creazione del software è ciò che Ambati chiama "il middleware per l'intelligenza artificiale".

Questo problema viene risolto con un'offerta di cloud ibrido, on-premise ed edge di H2O, il cloud AI. I clienti lo utilizzano attraverso le applicazioni: c'è un app store AI, un model store pre-costruito e feature store, che cristallizzano le intuizioni che emergono dalla costruzione del modello. L'AI Cloud è anche multi-cloud, in quanto i clienti vogliono scegliere. Poi c'è anche H2O Wave, un SDK per la creazione di applicazioni, secondo Ambati.

In piedi sulle spalle dei giganti del web

Hydrogen Torch, l'ultima aggiunta al portafoglio di H2O, è realizzata su misura per applicazioni per casi d'uso di immagini, video e NLP, tra cui l'identificazione o la classificazione di oggetti, l'analisi del sentiment o la ricerca di informazioni rilevanti in un testo. Si tratta di un'offerta no-code, per la quale Ambati ha dichiarato:

"Entra nello spazio tradizionale dei giganti del web come Google, Microsoft, Amazon e Facebook e utilizza parte della loro innovazione, ma li sfida consentendo ai clienti di utilizzare il deep learning più facilmente, sia prendendo modelli pre-costruiti che trasformandoli per l'uso locale".

Ambati ha fatto riferimento ad alcuni casi d'uso dei primi utilizzatori di Hydrogen Torch, come l'elaborazione video in tempo reale. A Singapore, questo viene fatto per identificare se il traffico è aumentato o se determinate situazioni possono causare incidenti. L'approccio utilizzato consiste nel prendere i modelli di apprendimento automatico "tradizionali" di grandi dimensioni e quindi ottimizzarli in base ai dati specifici a portata di mano.

Hydrogen Torch utilizza PyTorch di Facebook e TensorFlow di Google sotto il cofano. H2O li prende e aggiunge competenze di grande maestro, oltre a un ambiente integrato. Ciò include anche l'offerta MLOps di H2O, che si nutre delle pipeline di dati e machine learning che vanno in produzione.

I modelli vengono continuamente monitorati per identificare se la loro precisione è cambiata. Ciò può accadere perché il modello di dati in ingresso è cambiato o perché è cambiato il comportamento degli utenti finali. In entrambi i casi, il modello viene quindi ricostruito e ridistribuito.

Inoltre, parte dell'offerta no-code di Hydrogen Torch è la generazione automatizzata di documentazione, in modo che i data scientist possano approfondire per esplorare quali dati sono stati raccolti e quali trasformazioni sono state applicate. Ambati ha affermato che l'accuratezza del modello della torcia a idrogeno può essere fino al 30% migliore rispetto ai modelli di base, raggiungendo l'alto 90 percentile.

Naturalmente, ha proseguito aggiungendo, c'è un ben noto compromesso nell'IA tra precisione, velocità e spiegabilità. A seconda dei requisiti del caso d'uso, è necessario effettuare delle scelte. La velocità, tuttavia, è in qualche modo un requisito universale.

Per quanto riguarda la velocità, l'elaborazione in-memory di H2O svolge un ruolo chiave nel garantire che la torcia a idrogeno possa funzionare secondo necessità per i casi d'uso di elaborazione di immagini, video e NLP. Su un fronte correlato, H2O ha anche in programma la miniaturizzazione dei modelli di apprendimento automatico. Ciò consentirà di distribuire i modelli su più dispositivi all'edge e di avere anche prestazioni migliori.

Hydrogen Torch ha anche sinergie con un altro prodotto nel portafoglio di H2O, ovvero Document AI. Document AI consente di elaborare i documenti in entrata, combinando i metodi di immagine e NLP. E poi ci sono i dati audio e video, provenienti da fonti come le chiamate Zoom e i podcast che stanno proliferando, e H2O mira ad aiutare i suoi clienti a tenere il passo.

H2O ha collaborazioni in corso con clienti di alto profilo, come CommBank e AT&T. Gli esperti di H2O e le organizzazioni clienti co-creano modelli di apprendimento automatico ed è in atto uno schema di condivisione delle entrate.

Ambati ha anche identificato altre aree di crescita futura nel portafoglio di H2O: l'intelligenza artificiale federata, la creazione di contenuti, la generazione di dati sintetici, lo storytelling dei dati e persino aree come il giornalismo dei dati sono sul radar di H2O. L'obiettivo, ha detto Ambati, è creare fiducia nell'intelligenza artificiale per servire le comunità. Si tratta di una visione davvero grandiosa, per la quale il progresso è difficile da misurare. Per quanto riguarda la roadmap dei prodotti, tuttavia, H2O sembra essere sulla strada giusta.