immagine intelligenza artificiale - machine learning
Saldamente radicata nella fantascienza, l’Intelligenza Artificiale (IA) è stata spesso percepita come un qualcosa di “altro”, qualcosa che accadeva là fuori. In realtà, l’intelligenza artificiale occupa già una parte importante della nostra vita quotidiana e, molto semplicemente, non ce ne rendiamo neanche conto.

Gli avvisi della banca relativi ad addebiti sospetti, le notifiche dello smartphone di fare esercizio, la capacità di Siri o Cortana di riconoscere le voci sono tutti esempi di intelligenza artificiale.

L’intelligenza artificiale migliora le nostre vite anche in altri settori. Grazie alla biometria nello sport, i dati possono misurare quanto il tempo di gioco di un’atleta influisce sulla possibilità di procurarsi delle lesioni. Aiuta gli agricoltori a sapere quando irrigare le colture per rese ottimali, e consente ai meteorologi di valutare lo scioglimento delle nevi. Le città intelligenti impiegano i dati per la gestione dell’energia, i professionisti dell’assistenza sanitaria usano l’intelligenza artificiale per rilevare le malattie, effettuare il sequenziamento genomico e monitorare le cure.

Intelligenza artificiale è un termine generico che comprende l’apprendimento automatico, Machine Learning (ML), un insieme di tecniche e strumenti che consente ai computer di “pensare” creando algoritmi matematici basati sui dati accumulati. L’intelligenza artificiale comprende anche il Deep Learning (DL), un sottoinsieme dell’apprendimento automatico che impiega i modelli di reti neurali per attività come il riconoscimento delle immagini e l’elaborazione del linguaggio.

Pensate a un bambino che cresce. Quel bambino osserva il mondo, nota il modo di interagire delle persone, apprende le norme della società senza che le regole gli vengano spiegate in modo esplicito. L’intelligenza artificiale si comporta nello stesso modo. È un apprendimento automatico spontaneo, senza una programmazione esplicita.

L’IA tramite il deep learning è in grado di fare tre cose: il primo passo è percepire il mondo, impiegando i dati per rilevarne i pattern. Il secondo passo consiste nel riconoscere tali pattern, e il terzo nel passare all’azione in base a tale riconoscimento.

Ad esempio, pubblicate molte foto di escursionismo su Facebook. Gli algoritmi notano la presenza di molte foto che vi ritraggono in vetta ad una montagna con una determinata persona. L’intelligenza artificiale riconosce quella persona e il fatto che vi piace fare escursionismo, per cui vi consiglia altre persone o escursioni che potrebbero piacervi.

Tutto questo è apprendimento automatico. Le macchine stanno diventando intelligenti e ci consentono di prendere decisioni migliori e di fare ricerche in modo più veloce.

C’è un sano livello di scetticismo sull’intelligenza artificiale: la paura che le macchine possano prendere il sopravvento. Ma Nidhi Chappell, Direttore del Machine Learning di Intel, ha ribadito che la capacità di un computer di imparare può essere un reale aiuto per l’umanità, sotto diversi aspetti.

L’intelligenza artificiale migliora le attività dell’uomo. Non stiamo cercando di sostituire l’essere umano, ma proviamo a migliorarne la qualità della vita con maggiore intelligenza. Tutto questo facilita le cose.

Sono finiti i giorni in cui si doveva consultare una mappa cartacea durante la guida. Oggi le persone possono fare affidamento sulle App con mappe dinamiche che apprendono il cambiamento delle strade o la realizzazione di nuovi ponti, sono in grado di monitorare il traffico e di ottimizzare il tempo di guida.

immagine intelligenza artificiale - machine learning1
Esempio di machine learning nella medicina

Le tecnologie di intelligenza artificiale e apprendimento automatico sono state usate per decenni in campi come l’istruzione, la finanza e la medicina e, secondo Chappell, l’intelligenza artificiale continua a far evolvere la società. Può essere impiegata per ridurre le molestie online e debellare problemi come il traffico di esseri umani o migliorare le rese dei raccolti, riducendo la fame nel mondo. L’intelligenza artificiale può dare il suo contributo nella lotta contro virus come Zika, prevedendo i percorsi di migrazione delle zanzare e identificando i possibili vettori delle malattie.

Più diventa sofisticato l’apprendimento, maggiore è la quantità di dati richiesta dalle macchine per apprendere. E la velocità di apprendimento dei computer va di pari passo con il livello prestazionale della loro potenza.È comprovato che l’accuratezza di una macchina nella previsione di qualcosa dipende dalla quantità di dati che vengono forniti e, man mano che aumenta la complessità dell’apprendimento, lo stesso accade per i requisiti dei dati necessari per darvi un significato. E dal momento che l’apprendimento automatico sta prendendo piede, i requisiti dei dati saranno sorprendenti.

Nel discorso di apertura all’Intel Developer Forum (IDF) 2016, il CEO di Intel Brian Krzanich ha affermato che in genere un individuo genera da 600 a 700 megabyte di dati al giorno facendo cose normali come usare Snapchat, inviare e-mail e giocare a videogame.
Entro il 2020, Krzanich ha affermato che questo numero arriverà a 1,5 GB al giorno, limitandosi alle persone. Un veicolo autonomo di medio livello può generare 4.000 GB al giorno e una fabbrica intelligente può produrre 1 milione di GB di dati quotidianamente.

immagine intelligenza artificiale - autonomous_car
Esempio di veicolo autonomo

Le auto autonome sono un buon esempio di applicazione di intelligenza artificiale e apprendimento automatico. Un’auto può avere un computer a bordo che inizia ad apprendere per conto suo, ma la presenza di altre auto che inviano i dati nel cloud consente di apprendere anche da esse.
Considerateli come dati di crowdsourcing (da crowd = folla e outsourcing = esternalizzare una parte delle proprie attività). Ad esempio, se un’auto rileva un segnale di lavori in corso, è utile a se stessa. Ma se può inviare questa informazione nel cloud, l’avviso può essere inviato alle altre auto autonome.

Maggiore è il numero di auto che “apprende” l’esistenza di questo ostacolo, più il traffico può fluire senza problemi.

Per concludere, l’Intelligenza Artificiale, l’Apprendimento Automatico e il Deep Learning si sono evoluti dalla fantascienza alla scienza. Ormai l’intelligenza artificiale ci circonda ovunque e il modo con cui le persone si rapportano con il mondo si sta rapidamente modificando.

Questo processo si rivelerà essere un bene o un male per la nostra società?

La parola ai posteri.

Maria Gabriella Depalo

Ti è piaciuto? Condividilo!