Big Sur, il computer che esegue i calcoli di machine learning per il social network di Zuckerberg, è adesso open-source attraverso l’Open Compute Project
Forse non ce ne rendiamo conto, ma dietro il funzionamento di Facebook c’è l’intelligenza artificiale. Il social network infatti utilizza molto l’AI (Artificial Intelligence) per fare in modo che l’utente abbia un news feed migliore, contenuti foto e video che rispecchino i suoi gusti. Tipicamente questo genere di intelligenza artificiale è utile per gestire contenuti non strutturati come immagini e video, ma è anche per svolgere altri tipi di azione complessa. Facebook, per esempio, la utilizza massicciamente per ordinare i contenuti fotografici e i video, oltre che per personalizzare i news feed. Ora Facebook sta rilasciando Big Sur, l’hardware di un server che la società usa eseguire i propri programmi di machine learning, un tipo di software che apprende dalle modalità d’uso dell’utente e diventa sempre più efficace e migliore senza ulteriore interazione da parte degli sviluppatori.
Facebook aveva già rilasciato tratti di codice dei suoi programmi di IA in passato, ma questa è la prima volta che offre il suo hardware come open-source. Big Sur si basa sul GPU computing, con schede NVIDIA Tesla M40.
“Abbiamo sviluppato un software che può addirittura leggere delle storie, giocare, rispondere a delle domande e apprendere comandi non specificati osservando alcuni esempi. Ora vogliamo rendere semplice per i ricercatori AI la condivisione di saperi e tecnologie” ha commentato l’azienda di Mark Zuckerberg. “Crediamo che questa collaborazione aperta aiuti l’innovazione di design futuri, portando passo dopo passo alla creazione di un sistema AI complesso”.
Se da un lato offrire Big Sur alla community open-source può favorire la collaborazione e l’innovazione, dall’altro questo permetterà a Facebook di ricevere consigli e supporto per migliorare la tecnologia e renderla più efficace. La società ha dichiarato che triplicherà i suoi investimenti nell’ambito della computazione attraverso GPU, in modo da sfruttare gli algoritmi di machine learning su un numero superiore di servizi e affinare la sua affidabilità su quelli che già li sfruttano attivamente.
