Il meetup della community cinese di Ultralytics: il Paese con il maggiore interesse globale per il machine learning

Con la continua evoluzione della computer vision, cambiano anche le priorità del settore. In passato, ci si chiedeva soprattutto se i modelli SOTA sviluppati in laboratorio fossero abbastanza avanzati. Oggi, invece, è emersa una domanda più importante:

Come si possono applicare davvero questi modelli in scenari reali? Come possono i progetti di AI per la visione passare dalle demo alle applicazioni pratiche, continuare a evolversi e creare valore concreto?

Con queste domande in mente, Ultralytics è arrivata a Shenzhen per organizzare il suo primo meetup dal vivo della community in Cina. Con questo evento volevamo incontrare di persona sviluppatori cinesi, partner del settore e appassionati di computer vision, per parlare del momento attuale di Ultralytics YOLO e della direzione futura di Ultralytics.

Fig. 1. Il fondatore e CEO di Ultralytics, Glenn Jocher, presenta il nostro primo evento della community a Shenzhen.

Da Ultralytics YOLO a Ultralytics Platform#

In passato, Ultralytics YOLO era noto soprattutto per la sua velocità, praticità e facilità di deployment. Che si tratti di rilevamento degli oggetti, ispezione industriale, monitoraggio della sicurezza o attività di visione in tempo reale su dispositivi edge, YOLO è diventato uno degli strumenti di riferimento per molti sviluppatori che avviano progetti di computer vision.

Oggi Ultralytics sta andando oltre il singolo modello, verso una piattaforma completa di computer vision che copre la gestione dei dataset, l’addestramento, il deployment, il monitoraggio e un ciclo di feedback per il miglioramento continuo.

Un tempo ci si chiedeva: il modello è accurato? È veloce?

Ora ci concentriamo maggiormente su una domanda più ampia: come si può avviare davvero un progetto di AI per la visione, usarlo in scenari reali e continuare a migliorarlo nel tempo?

È questo l’obiettivo di Ultralytics Platform: rendere più efficiente l’annotazione dei dati, semplificare l’addestramento dei modelli e il deployment su più piattaforme e permettere agli sviluppatori di perfezionare continuamente le proprie applicazioni di AI per la visione.

Fig. 2. Primo evento della community Ultralytics a Shenzhen, Cina.

Ultralytics Platform: un workflow di AI per la visione più completo#

Durante la sessione, Glenn ha presentato anche alcune funzionalità fondamentali di Ultralytics Platform, tra cui l’annotazione automatica, l’addestramento con un clic, il deployment in più formati e la possibilità di migliorare continuamente i modelli tramite dati di feedback.

Fig. 3. Glenn Jocher, fondatore e CEO di Ultralytics, presenta il nostro primo evento della community a Shenzhen.

Per molti team, creare un progetto di AI per la visione non significa solo scegliere un modello. La vera complessità spesso riguarda domande come: da dove arrivano i dati, come vanno annotati, come addestrare e distribuire il modello e come continuare a migliorarlo dopo il lancio. Se queste fasi non sono collegate, è difficile portare davvero un progetto in produzione.

Ultralytics Platform collega queste fasi e permette agli sviluppatori di completare l’intero workflow in modo più fluido: dai dati al modello, dall’addestramento al deployment e dal lancio al feedback, senza dover passare continuamente da uno strumento all’altro.

Oggi la piattaforma ha già registrato oltre 100 milioni di immagini caricate, più di 600 milioni di annotazioni e circa 40.000-50.000 dataset.

Dietro questi numeri c’è un segnale chiaro: la domanda di visione artificiale è reale e si sta spostando dalla ricerca e dalla sperimentazione verso implementazioni pratiche su larga scala. La Ultralytics Platform si adatta alle diverse esigenze degli utenti: dai piani pensati per singoli sviluppatori e team di ricerca, fino alle licenze aziendali per organizzazioni di grandi dimensioni.

Fig. 4. Glenn Jocher illustra le principali attività di rilevamento supportate da Ultralytics YOLO.

La community cinese è una parte essenziale dell’ecosistema globale di Ultralytics#

Glenn ha detto che la Cina è una parte molto importante della community di utenti di Ultralytics e potrebbe essere uno dei Paesi con il maggior numero di persone che studiano il machine learning e se ne interessano.

Per Ultralytics, la Cina non è solo una regione con un’ampia base di utenti, ma anche una community molto attiva, con una forte presenza di sviluppatori, scenari applicativi diversificati e preziosi riscontri tecnici.

Perché uno strumento venga adottato su larga scala, la sola tecnologia avanzata non basta. Documentazione, community, accessibilità, esperienza di deployment e supporto locale devono essere tutti fluidi e affidabili.

Scoprire il vero interesse degli sviluppatori per il deployment dell’IA visiva#

Durante la sessione di domande e risposte, i partecipanti hanno posto molte domande interessanti, offrendoci una visione più chiara di ciò che sta davvero a cuore agli sviluppatori cinesi quando si tratta di portare la visione artificiale nelle applicazioni del mondo reale.

Un partecipante di AMD ha chiesto se la Ultralytics Platform supporta ambienti di training privati o locali. È una preoccupazione fondamentale anche per molte aziende e molti team. Quando i progetti coinvolgono dati sensibili, specifici di un settore o interni all’azienda, la privacy, la sicurezza e le funzionalità di deployment locale diventano particolarmente importanti.

Glenn ha spiegato che il team sta discutendo attivamente questa direzione. Man mano che l’IA visiva viene eseguita su un numero crescente di dispositivi e ambienti hardware, il supporto all’ecosistema hardware diventerà una componente fondamentale dell’esperienza di deployment dei modelli.

Oltre ai casi d’uso industriali, all’hardware e al deployment, alcuni partecipanti hanno chiesto se YOLO potesse essere utilizzato per riconoscere gli stili artistici o supportare la comprensione visiva tenendo conto della proprietà intellettuale.

Queste domande sono state stimolanti. Dimostrano che l’immaginazione intorno alle applicazioni di YOLO non è più limitata ai tradizionali controlli industriali, al rilevamento degli oggetti e agli scenari di sicurezza. Si sta espandendo verso ambiti più ampi, come la creazione di contenuti, la comprensione dei media e la produzione creativa.

Anche temi come i piccoli dispositivi edge, il deployment offline e l’ottimizzazione della quantizzazione hanno suscitato grande interesse. È chiaro che agli sviluppatori non interessa solo la performance del modello, ma anche l’esperienza pratica complessiva nell’uso dell’IA visiva.

Sono proprio queste le domande a cui la visione artificiale deve rispondere nel passaggio dalla ricerca alle applicazioni del mondo reale.

La visione artificiale entra in una nuova fase#

Questo evento ci ha dato una forte percezione di una tendenza chiara:

La visione artificiale sta andando oltre la competizione tra modelli ed entrando in una nuova fase di trasformazione in piattaforma e prodotto e di sviluppo dell’ecosistema.

I punti di forza fondamentali di YOLO sono sempre stati la velocità, la praticità e la facilità di deployment. Oggi Ultralytics vuole estendere questi punti di forza all’intero workflow, così che gli sviluppatori possano non solo accedere a modelli performanti, ma anche gestire i dati, addestrare i modelli, distribuire applicazioni e ottimizzare continuamente i propri sistemi di IA visiva con maggiore facilità.

Anche la community cinese dell’IA sta diventando una parte sempre più importante di questo percorso. Ha una vasta base di sviluppatori, scenari applicativi ricchi e una forte passione per l’apprendimento e la pratica sul campo. Guardando al futuro, siamo entusiasti di collaborare con un numero maggiore di sviluppatori cinesi, partner aziendali e membri della community per portare la visione artificiale in un ventaglio più ampio di applicazioni del mondo reale.

Come ha detto Glenn:

«Vogliamo che tutti possano usare la visione artificiale».

Questa potrebbe essere la spiegazione migliore della scelta di Ultralytics di puntare su un futuro sempre più basato sulle piattaforme.