Un team di ricercatori della National University of Singapore (NUS) ha inserito Singapore nella mappa globale dell'intelligenza artificiale (AI) e dell'analisi dei big data. Il loro progetto open source, chiamato Apache SINGA, "diplomato" presso l'Apache Incubator il 16 ottobre 2019 ed è ora il primo progetto di primo livello (TLP) del sud-est asiatico sotto l'Apache Software Foundation, la più grande comunità di software open source al mondo.

Essere riconosciuto come TLP non è un'impresa da poco poiché Apache SINGA ora si unisce ai ranghi dei principali strumenti open source come Apache HTTP Server e Apache Kafka. Anche se il nome potrebbe non suonare immediatamente un campanello, Apache Kafka potenzia le soluzioni per i big data di Airbnb, LinkedIn, Netflix, PayPal, Spotify e molte altre società. Il server HTTP Apache è il server Web più popolare al mondo e attualmente serve il 29% di tutti i siti Web attivi su Internet.

Guidati dal professor Ooi Beng Chin, Apache SINGA è stato avviato dal Database System Research Group della NUS School of Computing insieme alla Zhejiang University e NetEase nel 2014. Il prototipo è stato presentato all'Apache Incubator nel marzo 2015, e la prima versione ufficiale è stata fatta nell'ottobre 2015. Da allora, i ricercatori del NUS hanno ricevuto il sostegno della National Research Foundation di Singapore, Ministero della Pubblica Istruzione, e l'Agenzia per la Scienza, Tecnologia e ricerca.

Il professor Ooi ha detto, "Nel 2012 abbiamo assistito a una crescente domanda di deep learning e piattaforme automatiche. ma mancavano piattaforme distribuite efficienti. La laurea è un segno di riconoscimento per Apache SINGA, ma questo è solo l'inizio. Speriamo che Apache SINGA possa avere un impatto sul deep learning allo stesso modo dei server HTTP Apache per i server dei siti web."

Il deep learning è un sottoinsieme del machine learning che cerca di sfruttare le reti neurali artificiali per generare informazioni significative da grandi quantità di dati. Sebbene l'apprendimento automatico in genere richieda agli esseri umani di fornire dati strutturati, il deep learning può strutturare da solo i dati grezzi. Un esempio potrebbe essere identificare l'immagine di un gatto; l'apprendimento automatico richiederà l'input umano per definire che un gatto ha caratteristiche come baffi, orecchie e zampe appuntite. L'apprendimento profondo analizzerà più immagini di gatti attraverso vari algoritmi per determinare da solo tutte le caratteristiche, simulare un cervello artificiale.

Però, il limite del deep learning è che richiede una quantità astronomica di dati che a sua volta richiede molta potenza di calcolo. Un tipico sistema centralizzato richiederebbe un singolo supercomputer per elaborare tutte queste informazioni, il che non è un'opzione per la maggior parte delle organizzazioni. L'approccio al sistema distribuito di Apache SINGA aiuta a superare la necessità di un singolo supercomputer poiché distribuisce il carico di lavoro su un gran numero di computer normali.

Apache SINGA attualmente alimenta le applicazioni in più settori, tra cui sanità, Banca e finanza, sviluppo software e sicurezza informatica. Una di queste applicazioni è FoodLG, che utilizza il riconoscimento delle immagini per identificare un piatto in base alla foto caricata dall'utente finale. Cinque ospedali di Singapore stanno attualmente utilizzando diverse versioni di FoodLG per promuovere una vita sana e facilitare la gestione di malattie come il diabete, ipertensione e colesterolo alto.

Anche il National University Hospital (NUH) e il Singapore General Hospital stanno sfruttando Apache SINGA per analizzare la risonanza magnetica e le immagini a raggi X per migliorare l'identificazione dei problemi di salute. Inoltre, NUH utilizza modelli addestrati su Apache SINGA per la modellazione della progressione della malattia e la modellazione della riammissione dei pazienti. Nel campo della sicurezza informatica, SecureAge sta sviluppando modelli di deep learning per il rilevamento del malware utilizzando Apache SINGA per identificare il malware in modo più accurato, oltre a identificare nuovi tipi di malware sulla base di dati passati. banche locali, d'altra parte, utilizzano Apache SINGA anche per sviluppare e addestrare modelli per la modellazione del rischio e la risoluzione della conformità antiriciclaggio.

Il prossimo passo per Apache SINGA è migliorare il suo sistema in modo che anche gli esperti non di intelligenza artificiale siano in grado di usarlo e prepararsi all'era del 5G ottimizzandolo per l'esecuzione su dispositivi edge.