Da sempre Facebook si impegna a migliorare gradualmente gli strumenti e i framework utilizzati dalla community, e lo fa credendo fortemente nel valore della tecnologia open source. Solo nel 2018 sono stati pubblicati 153 nuovi progetti open source, per un totale di 474 progetti attualmente attivi.
Probabilmente la definizione di open source è ormai nota a tutti, tuttavia vale la pena riprendere il concetto: un software viene definito open source quando, attraverso il rilascio di una licenza, è possibile modificarne e integrarne il codice sorgente, andando ad aggiungere nuove funzioni, correggendone bug e rimodellandone il funzionamento.
Molte delle più note aziende IT si sono sviluppate a partire da modelli open source, dallo stesso Facebook, fino ad arrivare ad Amazon, Google e Apple.
LEGGI ANCHE: Come creare un formato Instant Experience (ex Facebook Canvas) che converte
PyTorch e il deep learning
I progetti open source promossi e divulgati da Facebook hanno visto l’intervento di circa 2.700 collaboratori esterni nel 2018, portando questo ecosistema ad una crescita di oltre 1,3 milioni di follower.
Uno dei progetti più ambiziosi e più in rapida crescita su GitHub - servizio di hosting, una sorta di social network per sviluppatori dove condividere i propri software e fare “social coding” - è PyTorch, piattaforma di deep learning basata su Python open source.
PyTorch ha fornito le basi per lo sviluppo di Horizon, la prima piattaforma end-to-end open source che utilizza l’apprendimento per rinforzo applicato (RL - reinforcement learning) per ottimizzare i sistemi negli ambienti di produzione su larga scala. Inoltre, ONNX (il formato Open Neural Network Exchange rende l’AI più accessibile) è stato ampliato per supportare ulteriori tool di intelligenza artificiale e Glow - il suo compilatore per l’accelerazione hardware, che ha come principale compito quello di velocizzare i processi di deep learning - ha sfruttato la potenza della community per ottenere preziose partnership industriali con alcuni tra i principali produttori di silicio.
LEGGI ANCHE: Perché le aziende che usano l’open source hanno un vantaggio competitivo
Facebook e l'AI
Il colosso di Menlo Park incentiva da sempre la ricerca e lo sviluppo nel campo del deep learning e dell’intelligenza artificiale. Ad esempio, attraverso il riconoscimento facciale e il relativo suggerimento dei tag corretti da inserire nelle foto che ogni giorno carichiamo. Facebook analizza ogni giorno milioni di foto e non è difficile comprendere perché l’accuratezza di questi dati risulti fondamentale per conoscere in maniera più approfondita gli utenti ed esporli, di conseguenza, ai giusti messaggi pubblicitari.
LEGGI ANCHE: Instagram userà l’Intelligenza Artificiale per “leggere” le foto ai non vedenti
Un’analisi approfondita della semantica delle immagini, inoltre, rende più semplice la lotta contro i materiali fotografici non consoni alle policy di Facebook: il software sarà, sempre di più, in grado di riconoscere immediatamente contenuti non adeguati e procedere subito all’eliminazione.
Nel 2018, la Facebook AI Research - FAIR ha pubblicato Detectron, framework di rilevamento degli oggetti, oltre a Mask R-CNN2Go, un modello di visione artificiale ottimizzato per l’embed e i dispositivi mobile. Insomma, nel corso dell’ultimo anno i progetti aperti da Facebook nel campo dell’intelligenza artificiale sono stati molteplici: citiamo TensorComprehensions, DensePose, Translate e TorchCraftAI.
Non solo machine learning
Al di là del grande sforzo compiuto nel campo dell’apprendimento automatico, il 2018 è stato un anno di un duro lavoro per Facebook, che ha visto come protagonisti anche gli strumenti di sviluppo, il mobile, il networking, le infrastrutture di dati e la virtual reality.
LEGGI ANCHE: Facebook vuole una sua criptovaluta per scambiare denaro su Whatsapp
Tra gli interventi, segnaliamo il rilascio di Flipper, nuovo strumento di debug estensibile per iOS e Android.
Per gli sviluppatori Python sono stati rilasciati Pyre, un type-checker, e Bowler, strumento di refactoring del codice - che ha l’obiettivo di migliorare alcune caratteristiche non funzionali del software in questione.
In ambito networking, sono stati rilasciati Katran, un software scalabile di load balancing, ovvero una tecnica informatica che consente di distribuire l’elaborazione di uno specifico servizio tra più server, e Fizz, l’implementazione C++14 dello standard TLS-1.3.
In ambito dati, sono stati rilasciati LogDevice, un archivio di dati sequenziali distribuiti e XAR, sistema a supporto degli eseguibili autonomi.
E nel 2019? Facebook continuerà il suo impegno verso l’open source e l’introduzione di tecnologie sempre più innovative per la community.
