20 Giugno 2018 Expert

CHI HA PAURA DELL’INTELLIGENZA ARTIFICIALE? DEEP LEARNING E AZIENDE ALL’ORTO BOTANICO DI PADOVA

Se ne parla spesso, sempre più spesso. Gli scenari evocati, se non sono apocalittici, sono alquanto distopici. Perdita di posti di lavoro, profilazione sempre più invasiva e limitazione della libertà. Ma quanti conoscono a che punto siamo in questa rivoluzione del rapporto uomo-macchina? Come comprendere lo stato dell’arte riguardo AI, deep learning e computer vision?

Martedì 12 giugno, con ancora vivido nella mente la giornata di lavoro su algortimi di machine learning presso Google Italia a Milano di Febbraio, siamo andati ad ascoltare all’Orto Botanico di Padova uno dei massimi esperti mondiali di AI, sistemi e reti neurali: il prof. Pietro Perona del California Institute of Technology. L’evento è stato organizzato da BeanTech, azienda italiana che offre soluzioni per le PMI che vogliono cavalcare e non essere travolti dalla digital Transformation. BeanTech vanta collaborazioni con i giganti dell’information technology per lo storage, la business intelligence e la virtualizzazione: Dell EMC, Nvidia (proprio quella che ha inventato le GPU) e Microsoft, oltre all’Università di Padova e di Udine. 

La cornice narrativa è accattivante: Alice nel Paese dell’Intelligenza Artificiale. BeanTech ha scelto una narrazione ispirata al romanzo Alice allo Specchio di Lewis Carrol :

Attraverso l’Intelligenza Artificiale il mondo reale già oggi viene riflesso in un’immagine virtuale, così come il quotidiano di Alice si riconfigurava nello specchio dei suoi sogni.

Vediamo cosa abbiamo imparato.

 

Deep Learning

 

L’industria 4.0

 

Gli addetti ai lavori che si occupano di machine e deep learning, data analytics, computer vision e interazione uomo-macchina sono consapevoli dei timori che questi progressi suscitano nell’opinione pubblica.

Ciò che fa più paura è la perdita di posti di lavoro che la quarta rivoluzione industriale porterà. Una ricerca condotta dal think tank Ambrosetti, basata sugli studi di Carl Benedict Frey, co-direttore dell’Oxford Martin Programme on Technology and Employment, mostra che in Italia entro il 2033 si potrebbero perdere 3,2 milioni di posti di lavoro, il 14,9% degli occupati. Ne conseguirà una decrescita del Pil e l’accrescimento della diseguaglianza economica.

Se i governi non si incaricheranno di affrontare questa sfida i disequilibri sociali si manifesteranno inevitabilmente. La soluzione è nella formazione e nella ricerca. La Commissione europea stima che si creeranno 700.000 nuovi posti di lavoro entro il 2020 nei settori ad alta tecnologia. A questi vanno aggiunte 450.000 nuove figure professionali con competenze multidisciplinari nei settori digitali, dei materiali, della manifattura additiva (stampanti 3D), della biotecnologia, della nanotecnologia e della fotonica.

Ma oltre a essere temuta, conosciamo davvero le opportunità che ci offre l’intelligenza artificiale? Sappiamo veramente cosa c’è dietro? Pietro Perona lo ha spiegato con chiarezza ed efficacia. Attraverso degli esempi ha evidenziato la differenza tra hard e soft AI.

La soft AI è costruita per un compito o dominio specifico, può essere capace di decisioni molto intelligenti nel contesto per il quale è stata costruita, ma non al di fuori. Soft AI sono, ad esempio, le auto a guida automatica, l’algoritmo creato alla Stanford University per riconoscere i melanomi o l’algoritmo del Cornell Laboratory of Ornithology per riconoscere identificare gli uccelli.

Per “allenare” questi sistemi è necessario inserire quantità di dati enormemente maggiori di quelli che servono per allenare una mente umana.

 

Intelligenza artificiale

Speech del Prof. Perona su recenti sistemi di rilevazione visiva -image recognition- nell’ambito dell’autonomous driving (AD)

 

Ancora non esiste una hard AI. Un tale sistema avrebbe bisogno di raccogliere dati sensoriali, interpretarli e metterli in relazione con le conoscenze esistenti. Richiederebbe anche un sistema di obiettivi molto più sofisticato: pensiamo alla capacità di astrazione e di individuazione delle relazioni causa-effetto.

Quindi?Attualmente la ricerca è finalizzata a rendere le macchine più efficienti nell’apprendimento e non nel creare un’intelligenza artificiale “umana”.

 

La digital transformation

 

Stiamo vivendo una rivoluzione industriale incentrata sul rapporto uomo-macchina. Ma questa innovazione non è in sé sufficiente per garantire sviluppo e maggior benessere.

Il Nord-est del nostro Paese si trova a un bivio. Viviamo nella “Manifacturing Valley” d’Europa, ma non possiamo considerarci alternativi e indipendenti rispetto alla Silicon Valley e a tutto ciò che proviene da quell’enorme incubatore di innovazione. La digital transformation ci coinvolge direttamente: è l’opportunità che giunge da lontano per garantire  non solo la sopravvivenza ma anche l’efficientazione dei sistemi, il risparmio. E non solo.

Come dice la Regina di Cuori

Devi correre con tutta la velocità di cui sei capace per restare nello stesso posto. Se vuoi andare da qualche parte, devi correre almeno due volte più veloce di così!

Le PMI non possono restare indietro. La rivoluzione deve coinvolgere anche la stessa concezione di fare impresa e industria e non solo la tecnologia. Deve crearsi la forma mentis della formazione permanente, una differente cultura aziendale. Per questo motivo anche l’Università deve aprirsi sempre di più ai bisogni del mondo produttivo e per lo stesso motivo le PMI devono lasciarsi rivoluzionare da quelli che sono i veri vettori di conoscenza e cambiamento: gli studenti e i ricercatori, ma anche i manager, strutture e figure esterne che possano portare a un vero cambiamento di visione e prospettiva.

Per cominciare a capire a che velocità galoppa l’innovazione basta vedere il seguente esempio di “macchine intelligenti” che autoapprendono da sole all’opera.

 


 VIDEO CHALLENGE GOOGLE DEEP MIND: il calcolatore che vince a go (gioco cinese) contro esseri umani, in particolare il campione mondiale in carica.

L’ultima versione di macchina vince addirittura anche contro le versioni precedenti.

 

Versione per la stampa Versione per la stampa , , ,