PyTorch: il nuovo AI framework di Facebook

Recentemente abbiamo dato molto spazio alle notizie inerenti le intelligenze artificiali e oggi continuiamo con questo trend, visto che Facebook ha da poco lanciato la developer preview del suo nuovo AI framework chiamato PyTorch, l'obbiettivo di tale progetto è rendere il processo di deploy delle AI-based application più rapido ed agevolare gli sviluppatori nelle varie fasi di addestramento dei vari software.

Ufficialmente PyTorch è stato annunciato al pubblico a maggio, dunque dopo vari mesi di sviluppo e aggiornamento il team di Menlo Park ha deciso di rilasciare una prima versione di testing dedicata per lo più agli appassionati di tale tecnologia, visto che trattandosi appunto di developer preview non è di certo pronta per gli ambienti di produzione. PyTorch è una machine learning library scritta in Python. È stata progettata principalmente per lavorare con algoritmi di deep learning, ovvero quella branca del machine learning che tenta di emulare il modo in cui funziona il cervello umano e che sta portato a importanti scoperte in aree come la traduzione della lingua, il riconoscimento di immagini e della voce.

PyTorch contribuisce a velocizzare lo sviluppo delle funzionalità di intelligenza artificiale. Il team di Facebook l'ha usato durante le prime fasi di test per creare un avatar quanto più realistico dell'utente per la piattaforma Oculus VR. Ai vari test ha partecipato anche un team di ricercatori della UC Berkeley, sfruttando PyTorch per ridurre i tempi di sviluppo e progettazione di un sistema di image-to-image transformation, ovvero quel tipo di algoritmi che possono riconoscere un'immagine stilizzata, o simile, ed associarla ad una reale e vice versa, permettendo di implementare funzionalità molto utili in vari programmi come ad esempio le cartine interattive, oppure il saper riconoscere il giorno dalla notte o proporre un'immagine similare a quella ricercata.

PyTorch lavora tramite la combinazione della funzionalità chiamata "modular production-oriented capabilities", presente all'interno del Caffe2 AI framework sviluppato sempre da Facebook, e i modelli standard di deep learning di Open Neural Network Exchange, che sono stati creati da un consorzio di aziende formato da Facebook, Amazon e Microsoft. Una delle feature innovative presenti in PyTorch è la suo design "flexible research-oriented", che permette ai developer di operare in modo veloce e solido al deploy dell'applicazione o del servizio.

PyTorch può infatti interfacciarsi con altri framework e servizi simili come ad esempio Google LLC, TensorFlow, Amazon Web Services, MXNet e CNTK framework. Con questa developer preview sono state integrate anche diverse funzionalità sotto forma di "front-end ibrido", tale conformazione permette di tracciare i modelli della eager mode alla graph mode in modo più semplice rispetto alle versioni precedenti. Questa caratteristica aiuta a colmare il gap tra sperimentazione ed implementazione reale.

Tutte le principali aziende che si occupano di fornire servizi cloud negli USA supportano attivamente questo progetto. Ad esempio la piattaforma SageMAker di AWS ha introdotto la possibilità per di sfruttare degli ambienti preconfigurati per PyTorch durante lo sviluppo del proprio applicativo. Google invece sta già fornendo, all'interno del proprio Deep Learning VM service, un'immagine per le macchine virtuali dedicata a PyTorch.

Chi lavora nel settore del machine learning si rende conto che ogni progetto ha i suoi punti forti e le sue debolezze, dunque la scelta di un determinato framework dipende molto dalle proprie conoscenze e competenze oltre ovviamente dagli obbiettivi prefissati dall'azienda. Dunque PyTorch non può essere considerato un progetto perfetto ma uno strumento che a seconda del proprio target può risultare particolarmente utile. Inoltre essendo ancora in fase di sviluppo, non è da escludere che nel prossimo futuro il suo team implementi nuove funzionalità.

Via Siliconangle