Wired Next Fest, intelligenza artificiale non così elementare, Watson

Lo sviluppo di intelligenza artificiale emachine learning impone di riprogrammare come facciamo qualunque cosa, ecco cosa si è detto al Wired Next Fest

Pubblicato il 28 Mag 2017

L’edizione 2017 del Wired Next Fest è centrata sul tema dell’identità e di come questa venga impattata dall’innovazione tecnologica. Interessante la giornata inaugurale dedicata all’AI (intelligenza artificiale), per la quale sono stati chiamati i grandi player del web: Google e Facebook.

L’apertura, dopo l’introduzione di Federico Ferrazza, direttore di Wired, spetta a Riccardo Zecchina, docente di Fisica Teorica alla Università Bocconi di Milano, i cui studi su algoritmi di apprendimento in reti neurali artificiali gli hanno valso il premio Lars Onsager dell’American Physical Society.  Con una presentazione volta a spiegare agli spettatori meno esperti l’evoluzione dell’intelligenza artificiale, Zecchina evidenzia che il punto chiave, prima di riuscire a creare una macchina pensante, è insegnare alle macchine a imparare, ovvero a dare un senso agli stimoli che ricevono e imparare da essi. Sembra banale, ma qua siamo davanti a una rivoluzione epocale. Come quando l’umanità si è trovata davanti alla scoperta del fuoco. D’altronde fino al 2000 l’intelligenza artificiale esisteva solo nei romanzi di fantascienza. La prima rete super human (di Krizhevsky, Sutskever e Kinton) è del 2012 e già vantava parametri di difficile comprensione ai più. Ma al di là dei dettagli tecnici la grande domanda posta dalla società in generale è quale tipo di impatti ci si possano aspettare da questa rivoluzione. In particolare sul mondo del lavoro. E qui non si possono che riprendere le indicazioni di uno studio della Stanford University del 2016: “One hundred year study on Artificial Intelligence – AI 100, che nell’estrema sintesi dice che un lavoro su due dovrà evolvere. In particolare quelli che hanno dei processi ripetitivi. Per fortuna i creativi pare al momento siano al riparo. Ci attende quindi una grande attività di riorganizzazione del lavoro e dei lavoratori mentre guardiamo con un po’ di stupore l’evolversi delle capacità di auto apprendimento delle macchine.

L’intervento di Antoine Bordes di Facebook segue per riportarci nel mondo dei social e di chi si occupa degli affari nostri (privati o meno). La sua slide di evoluzione della ricerca di Facebook attira subito l’interesse del pubblico. L’attenzione va ovviamente alla colonna del “fra dieci anni che farà Facebook” dove i principali temi sono Connettività (dove spiccano le parole chiave “Express Wi” – “Laser” – “Free” (meno male) – e “Drone” (inquietante), Artificial Intelligence (“Vision –Language-Reasonin-Plannin”) e Virtual Reality/Augmented Reality.

Qua il tema affrontato è l’evoluzione del riconoscimento degli elementi all’interno delle immagini (il pane di Facebook). Nel 2012 le macchine riconoscevano fondamentalmente solo l’oggetto principale dell’immagine. Oggi il riconoscimento non solo si applica a tutti gli oggetti dell’immagine ma anche alle principali dinamiche posturali della persona permettendo per esempio di capire se è piegata, in movimento o altro grazie all’interpretazione spaziale delle principali linee del corpo.

Il famoso cardiologo Raffaele Furlan della Humanitas University, dopo aver ricordato che il super computer Watson della IBM non prende spunto dalla saga di Sherlok Holmes, ma piuttosto dal fondatore della IBM che portava questo nome, ha illustrato applicazioni pratiche, in questo caso nell’ambito medicale, delle capacità cognitive delle macchine. Il Watson Cognitive Tutor for Medicine (sviluppato appunto con IBM) utilizzato nella clinica medica Humanitas di Rozzano (nell’area di Milano, ndr) è infatti “una combinazione di software intelligente attraverso il quale gli studenti imparano a formulare una diagnosi e a programmare una terapia prendendo in esame i dati relativi a un paziente virtuale”. Il passo interessante è che qua dopo aver insegnato alla macchina a imparare, la si usa per insegnare in modo autonomo e naturale. Diminuendo sostanzialmente il numero di tutor umani o anche meglio, vedendolo dal lato delle opportunità, aumentando il numero gestibile di studenti.

Le grandi aspettative per il discorso di Emmanuel Mogenet di Google, in parte stemperate dal fatto che la sua presentazione ricalcava in parte quella di Zecchina nella spiegazione dei processi di apprendimento del Machine Learning, sono state appagate da alcuni spunti e dati che confermano l’importanza del tema AI in questo momento storico e per il futuro della nostra società. La crescita del numero di applicazioni di Google che utilizzano AI è esponenziale. Mogenet ci dice che il Machine Learning sta esplodendo. Gli stessi settori industriali che già adesso sono fortemente impattati dalla AI sono molti (in particolare il manifatturiero, il retail, la sanità, il turismo, i servizi finanziari, il settore energetico, delle utility ecc.). Nella stessa Google sono oramai prossimi all’utilizzo di modelli di machine learning combinate con il Cloud (Cloud Translate API, Cloud Vision API, Cloud Speech API, Natural Language API).

Ma il punto epocale a mio avviso parte dalla frase di Sundar Pichai (AD di Google): “machine learning is a core, transformative way by which we’re rethinking how we’re doing everything”. Il machine learning è un processo di base tramite il quale stiamo ripensando al modo in cui facciamo qualunque cosa. Inizia a trasparire il concetto veramente importante: il Machine Learning è il passaggio chiave per lo human learning. Ovvero, come diceva il mio maestro di Tai Chi a Toronto tanti anni fa: “il miglior modo per imparare veramente è insegnare”.

Tutti noi sappiamo camminare, ma se dovessimo descrivere il minimo dettaglio di funzionamento di tutti i processi ed elementi del corpo coinvolti nell’atto del camminare, ci troveremmo nell’impossibilità di farlo. Tanto che nessun robot al momento è in grado di camminare esattamente come un umano. Eppure tutti camminiamo e i nostri figli imparano a farlo.

Al di là dell’abilitazione tecnologica data dall’esponenziale crescita della capacità di calcolo delle macchine, il passaggio fondamentale dell’evoluzione del machine learning è stato proprio il cambio di paradigma. Invece di insegnare alle macchine esattamente come funziona un processo, stiamo insegnando alle macchine a imparare da miliardi di esperienze umane accumulate negli anni. Da un processo causale esatto a un processo probabilistico. Nel momento in cui le macchine hanno abbassato la probabilità di errore cognitivo dell’uomo, il processo si è invertito. La speranza è che un giorno siano le stesse macchine a spiegarci come veramente funzioniamo tornando dal processo probabilistico a quello causale. Forse siamo finalmente pronti a iniziare a capire veramente come funzioniamo.

Come dicevamo, non è così elementare Watson.

Contributor: Francesco Mantegazzini 

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

LinkedIn

Twitter

Whatsapp

Facebook

Link