ADSENSE
|
Questo post é stato letto 60 volte!
Futo swipe: privacy e controllo sulla digitazione android
FUTO Swipe introduce modelli aperti e offline per la digitazione tramite gesture su dispositivi Android, mettendo l’accento su privacy controllo digitazione Android.
Scrivere trascinando il dito sulla tastiera è ormai un’abitudine per milioni di utenti Android.
Dietro questa apparente semplicità si celano complessi modelli linguistici, algoritmi di riconoscimento dei movimenti e un’enorme mole di dati.
Per lungo tempo, le soluzioni di swipe typing più avanzate, come Gboard e SwiftKey, sono rimaste confinate a piattaforme proprietarie.
FUTO, un’organizzazione rinomata per il suo impegno nel software orientato alla privacy, ha deciso di cambiare rotta con FUTO Swipe.
Si tratta di un sistema completamente aperto, progettato per operare interamente sul dispositivo senza la necessità di servizi cloud.
Il progetto include modelli di intelligenza artificiale, dataset pubblici e una libreria software dedicata agli sviluppatori.
Come funziona la tastiera FUTO swipe
Il funzionamento di FUTO Swipe si basa su tre modelli distinti.
Il primo è un Encoder, indipendente dalla lingua e dal layout della tastiera, che ha il compito di interpretare il percorso del dito sullo schermo.
Il secondo è ContextLM, un modello linguistico di dimensioni contenute che valuta le parole candidate in base al contesto della frase, eliminando suggerimenti incoerenti.
Il terzo è il Decoder, ottimizzato per specifiche lingue e configurazioni di tasti, responsabile della precisione finale del riconoscimento.
La sinergia di questi tre modelli trasforma una traiettoria continua in una serie di parole plausibili.
Durante il processo di inferenza, il sistema utilizza anche una ricerca su dizionario tramite beam search, confrontando diverse possibili interpretazioni del gesto dell’utente.
Dimensioni ridotte e prestazioni elevate
In termini di dimensioni, l’encoder impiega circa 635 mila parametri e il decoder poco più di 300 mila.
Questi valori sono significativamente inferiori rispetto ai moderni modelli di intelligenza artificiale, permettendo latenze nell’ordine dei millisecondi anche su smartphone meno performanti.
L’assenza di elaborazione remota elimina la necessità di trasmettere dati a infrastrutture esterne, un aspetto che FUTO considera cruciale per la tutela della privacy degli utenti.
Secondo i dati pubblicati dall’azienda, questa architettura raggiunge un tasso di errore inferiore all’1%, escludendo i termini non presenti nel vocabolario, con un top-4 fail rate di circa il 4%.
Sebbene i numeri dipendano dalle condizioni di test, le versioni più recenti della tastiera FUTO hanno ricevuto feedback positivi da numerosi utenti, che hanno riscontrato miglioramenti significativi nell’accuratezza rispetto alle implementazioni precedenti.
Dataset aperto e libreria per sviluppatori
Nell’agosto 2024, FUTO ha lanciato una campagna pubblica per invitare gli utenti a contribuire con esempi di digitazione tramite swipe.
I partecipanti riproducevano frasi, principalmente da Wikipedia, su una pagina web dedicata tramite smartphone.
Dopo un’accurata fase di filtraggio, il progetto ha raccolto oltre un milione di esempi utilizzabili, pubblicati a marzo 2025 con licenza MIT.
Questa rappresenta una risorsa preziosa e rara nel settore, tradizionalmente dominato da soluzioni chiuse e dataset inaccessibili.
Il progetto include anche una libreria in C++ che gestisce l’intero processo di inferenza e selezione delle parole candidate.
Gli sviluppatori possono integrarla nelle proprie applicazioni senza dover implementare gli algoritmi da zero.
FUTO promuove l’adozione in progetti esterni, richiedendo solo un’attribuzione visibile agli utenti finali, e ha già mostrato utilizzi sperimentali in ambienti di realtà virtuale e su trackpad per laptop.
Una sfida ai colossi del settore
Il mercato delle tastiere virtuali è dominato da poche grandi piattaforme che combinano algoritmi proprietari, raccolta massiva di dati e integrazione cloud.
FUTO Swipe propone un approccio alternativo, basato su modelli aperti, elaborazione locale e dataset pubblici.
Attualmente, il decoder più avanzato è ottimizzato per la configurazione QWERTY inglese, ma la struttura modulare è stata concepita per future espansioni.
Se la comunità contribuirà con nuovi dati e modelli, il progetto potrebbe diventare un punto di riferimento per le tecnologie di input mobile aperte e rispettose della privacy.
Questo post é stato letto 60 volte!