Apprendimento automatico

Intelligenza artificiale e apprendimento automatico: come i computer imparano

Deb Miller Landau iQ Managing Editor and Contributor

Dalla scelta dei ristoranti preferiti alle previsioni meteo, fino a risolvere le carenze alimentari a livello mondiale, l’intelligenza artificiale sta davvero migliorando la vita di tutti i giorni.

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 una parte importante della nostra vita quotidiana. Molto semplicemente, non ce ne rendiamo 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.

“Essenzialmente, siamo in presenza dell’intelligenza artificiale quando le macchine comprendono, apprendono e si interfacciano con il mondo esterno senza che gli esseri umani debbano programmarle in modo specifico”, ha affermato Nidhi Chappell, Director of Machine Learning di Intel.

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 i 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”, ha affermato Chappell. 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”.

Chappell ha affermato che 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”, ha affermato Chappell. “Le macchine stanno diventando intelligenti e ci consentono di prendere decisioni migliori e di fare ricerche in modo più veloce”.

Rassicurare gli scettici

C’è un sano livello di scetticismo sull’intelligenza artificiale: la paura che le macchine possano prendere il sopravvento. Ma Chappell 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”, ha detto. “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, per esempio. 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.

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.

Gestire i dati

Più diventa sofisticato l’apprendimento, maggiore è la quantità di dati richiesta dalle macchine per apprendere, ha affermato Chappell. E la velocità di apprendimento dei computer va di pari passo con il livello prestazionale della loro potenza.

apprendimento automatico

“È comprovato che l’accuratezza di una macchina nella previsione di qualcosa dipende dalla quantità di dati che vengono forniti”, ha affermato Chappell, aggiungendo che 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.

autonomous_car_BMW3

Chappell afferma che 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. Ad esempio, se un’auto rileva un segnale di lavori in corso, è utile a sé 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.

Intelligenza artificiale, apprendimento automatico e deep learning si sono evoluti dalla fantascienza alla scienza.

“L’intelligenza artificiale ci circonda ovunque”, ha affermato Diane Bryant, Executive Vice President e General Manager del Data Center Group di Intel. “Sta trasformando il modo in cui le persone si rapportano con il mondo”.

Condividi questo articolo

Argomenti correlati

Innovazione tecnologica

Leggi il successivo

Read Full Story