La versione “leggera” dell'intelligenza artificiale di Google finisce finalmente tra le mani degli sviluppatori: TensorFlow Lite, una libreria software open source con algoritmi di machine learning, è ora disponibile e può essere utilizzata per creare applicazioni mobili per ambiente Android e iOS. Annunciata lo scorso maggio, è appunto una collezione di strumenti che si differenzia dalla versione classica (esistente dal 2015) perché permette di creare app che richiedono requisiti hardware inferiori e perché include una documentazione utile per chi non abbia ancora dimestichezza con l'intelligenza artificiale.
Le tre caratteristiche distintive sono la leggerezza (perché consente di creare applicazioni intelligenti che occupano poco spazio in memoria e si avviano rapidamente), il funzionamento trasversale ad Android e iOS e l'ottimizzazione per il mobile. TensorFlow Lite utilizza l'Api di Android per le reti neurali artificiali.
Quella attuale è comunque una versione acerba, che include già alcuni strumenti fatti e finiti ma che nel tempo dovrà essere ampliata fino a diventare l'evoluzione di TensorFlow Mobile , come spiegato da Google in un blogpost. Detto altrimenti, oggi TensorFlow Mobile va ancora considerata come la scelta giusta per supportare le applicazioni già operative, mentre TensorFlow Lite è un'anteprima rivolta agli sviluppatori, che però maturando diventerà “la soluzione raccomandata” per creare app destinate a smartphone, tablet, smartwatch e dispositivi IoT.
Al momento, la piattaforma è ottimizzata per tre tipologie di “modelli” di intelligenza artificiale. La prima è MobileNet, tecnologia di riconoscimento delle immagini già capace di identificare oltre mille tipi di oggetto; la seconda è Inception v3, anch'essa basata su un modello di riconoscimento delle immagini ma caratterizzata da maggiore accuratezza (e maggiori dimensioni in byte); la terza, Smart Reply, è invece una tecnologia di “risposta rapida”, integrabile nelle chat fra utente e software di intelligenza artificiale. Ulteriori funzionalità e modelli saranno aggiunti a TensorFlow Lite in base ai suggerimenti di sviluppatori e utenti.