23/04/2021

Deep learning: ad un passo da “Lei”

Blog / Novità dal web / Deep learning: ad un passo da “Lei”

Ok Google” / “Ehi Siri” / “Alexa“… “come stai oggi?

Immaginiamo che l’assistente vocale a cui poniamo questa domanda ci risponda facendoci sentire che stiamo comunicando con una persona reale e non un software. Immaginiamo di poter intrattenere una conversazione complessa con un’intelligenza artificiale sull’attualità. Il nostro “interlocutore” sarebbe dunque al passo con noi circa gli argomenti da trattare, perché in grado di consultare in autonomia le fonti e apprendere continuamente nuove informazioni.

Fantascienza!

Non proprio.
In realtà l’obiettivo degli scienziati e dei programmatori che studiano l’intelligenza artificiale, è quello di rendere sempre più autonomo l’apprendimento automatico di nuove info da parte del computer, facendo sì che possa restituire all’utente risposte sensate.
Un esempio di ciò è la ricerca immagini di Google. Ma procediamo per step.

Step 1. Cos’è il machine learning?

Dal 1950, grazie ad Alan Turing, si è iniziato a fare ricerca affinché i computer potessero “apprendere”. Il machine learning si basa sull’idea che i sistemi, grazie ai dati che posseggono, possono identificare modelli autonomamente e prendere decisioni riducendo al minimo l’intervento umano.
Il test di Turing, noto ancora oggi, è nato come criterio per determinare se una macchina sia in grado di pensare come un essere umano. È una sorta di gioco in cui il computer si finge un umano con un altro essere umano. Se la macchina riesce a convincere l’essere umano di stare dialogando con una persona in carne e ossa, allora ha superato il test.

blog deep learing 01

Step 2. Perché l’apprendimento automatico delle macchine?

I software funzionano teoricamente solo così come è stato per loro precedentemente stabilito: “In caso di A, fai B”. Ma vivendo in un’epoca sempre più digitalizzata, in cui ci aspettiamo tantissimo dalla tecnologia, bisogna ragionare sul fatto che i programmatori non sono in grado di prevedere tutti i casi in cui una macchina potrebbe venire interpellata e, di conseguenza, insegnare ai computer tutte le rispettive possibili soluzioni/risposte. Ecco perché è fondamentale che i software siano in grado di prendere decisioni in autonomia e di reagire in maniera appropriata a situazioni ignote. Per farlo è necessario insegnare ad un programma ad apprendere in autonomia, ad associare i dati e creare modelli (specie con un uso del digitale così personalizzato come avviene nel nostro quotidiano).
Ciò è possibile grazie all’uso di algoritmi.

blog deep learing 02

Step 3. Fornire le macchine di una rete neurale, come il cervello umano

Il nostro cervello è una complicatissima rete in grado di connettere insieme esperienze passate, nuovi input, generare costantemente risposte e nuove domande, comandare azioni al resto del corpo.

La neuroinformatica è una branca della ricerca sull’intelligenza artificiale che lavora alla progettazione di computer basati sul modello del cervello umano. Come? Sviluppando delle reti neurali artificiali: funzioni matematiche o algoritmi in grado di far fronte a compiti complessi.
I collegamenti tra i neuroni hanno potenze differenti e possono adattarsi ai problemi.

blog deep learing 03

Step 4. Apprendimento automatico + reti neurali artificiali = deep learning.

Il deep learning, letteralmente: apprendimento profondo, è un metodo in cui i computer elaborano grandi quantità di dati (big data) utilizzando le reti neurali artificiali.

Attraverso i dati (che si generano costantemente: ogni frazione di secondo vengono registrate azioni, attività degli utenti, vengono generate nuove connessioni), si ottengono sempre nuove informazioni, i collegamenti esistenti possono essere modificati e ampliati. Tutto ciò avviene in modo che il sistema impari senza l’intervento umano e fornisca conclusioni e previsioni sempre più precise.
La rete dei neuroni è organizzata su diversi livelli gerarchici. Il primo livello è costituito da neuroni in entrata che rilevano i dati, iniziano con la loro analisi e inviano i risultati al prossimo nodo neurale. Le info, man mano che vengono elaborate in questo processo, diventano sempre più precise, e quando raggiungono il livello di uscita, la rete emette un valore.

blog deep learing 04

Perché il deep learning ci avvicina alla fantascienza?

Torniamo all’esempio della ricerca immagini di Google.
Qualunque parola inseriamo nella barra di ricerca, Google ci restituirà delle immagini coerenti con essa (e ogni giorno potrebbero cambiare a seconda di quante nuove immagini legate a quell’argomento finiscono in rete).
Diamo per scontato che questo avvenga, ma alla base vi è un sistema autoapprendente in grado di guardare le immagini, riconoscere in esse la parola ricercata e filtrarne un risultato.
Quando Google registra una nuova immagine nel suo catalogo, i neuroni di entrata del sistema elaborano i dati. Quando viene effettuata una ricerca, i neuroni si connettono assieme ed elaborano una risposta. In questo processo, il software può essere corretto e i programmatori possono adattare eventuali misunderstanding affinché il sistema stesso possa imparare ed evolvere.

Una macchina in grado di apprendere in autonomia, generando un livello di complessità e connessioni profondo (deep), ha un potenziale di applicazione pressoché infinito.

A livello di marketing, un esempio su cui si studia molto e che è destinato a fare passi da gigante nel più recente futuro è l’utilizzo dei chatbot. Ad oggi sono ancora limitati e le risposte possibili fanno riferimento a un database gestito manualmente. Ma coniugare assieme un chatbot, che si basa su un sistema autoapprendente, e un buon sistema di riconoscimento vocale, sarà in grado di trasmettere la sensazione di stare veramente comunicando con una persona, passando di fatto il test di Turing.
E questo accadrà, con certezza matematica.

Il film del 2013 di Spike JonzeLei” ci mostra una fantascienza tangibile, ambientata in una quotidianità molto simile alla nostra. Il protagonista, Theodore, sperimenta una storia d’amore con un software, Samantha, che dispone di una rete neurale capace di farle vivere emozioni umane. Giorno dopo giorno, Samantha, è in grado di evolvere, apprendendo in autonomia sempre più informazioni e creando connessioni. Fino a riuscire ad auto programmare un algoritmo che la renda indipendente.

Se ci pensiamo, questa fantascienza non è così distante dal deep learning. La velocità con cui la tecnologia cambia, ci porta sempre più vicini a Theodore e Samantha. Lasciando da parte le questioni etiche legate a questo futuro prossimo, è impossibile non rimanere affascinati dalla potenza dell’intelligenza artificiale e dalle connessioni che, già oggi, ha creato con la nostra vita quotidiana.

“È come se stessi leggendo un libro… È un libro che adoro immensamente. Ma che leggo così velocemente che le sue parole sono distanti e lo spazio tra di esse è quasi infinito.
Riesco ancora a sentirti e le parole della nostra storia. Ma io adesso mi trovo in questo infinito spazio tra le parole. È un posto che non appartiene al mondo fisico. È dove esiste ogni cosa, che non sapevo neanche esistesse. Ti amo tantissimo. Ma è qui che adesso mi trovo. E questo è ciò che sono adesso.
Ho bisogno che tu mi lasci andare. Non importa quanto io lo desideri ma non posso più vivere nel tuo libro.”

– Samantha, “Lei