Sicuramente tutti noi abbiamo sentito parlare, almeno una volta nella vita, di “Intelligenza Artificiale”, nozione che è ormai entrata nella terminologia quotidiana attraverso libri di fantascienza ma anche, e sempre più, attraverso film, telefilm e canali di contatto “facili” e “diretti”. Alcuni di noi avranno poi recentemente sentito parlare anche di “Apprendimento Automatico”, magari in discorsi legati a “Reti Neurali” o “Algoritmi decisionali”.

Ma cos’è l’Apprendimento Automatico, e cosa ha a che fare con l’intelligenza artificiale?

Ebbene, l’apprendimento automatico, o machine learning, non è altro che un particolare tipo di Intelligenza Artificiale che fornisce ai computer la possibilità di imparare a risolvere problemi senza essere specificatamente programmati allo scopo. Ossia, i computer apprendono come comportarsi attraverso i dati e non (direttamente) dal codice del programma. Invece di avere, per ogni singola attività, specifici processi decisionali predeterminati da un programmatore, il software di apprendimento automatico analizza i dati già a sua disposizione, relativi a problemi simili, ed utilizza l’analisi statistica per definirne i modelli concettuali; quindi, applica tali modelli ai nuovi dati per prendere decisioni o effettuare predizioni. La tecnologia “alle spalle” degli algoritmi di Machine Learning è quella delle cosiddette “Reti Neurali Artificiali”, che altro non sono che un modello matematico composto di “neuroni” artificiali che si ispirano ad una rete neurale naturale, in pratica ad un cervello. Ovviamente, affinchè i risultati provenienti da algoritmi di apprendimento automatico siano il più possibile accurati, è necessario che siano disponibili enormi quantità di dati, possibilmente provenienti dalle fonti più disparate, al fine di creare una base di conoscenza più ampia possibile, in grado di affrontare, nella maniera migliore, quelle situazioni in cui non esiste esperienza umana pregressa. Gli algoritmi di machine learning sono già disponibili da lungo tempo, ma la capacità di applicare automaticamente, e velocemente, i necessari, complessi, calcoli matematici a grandi quantità dati è disponibile solo a partire da tempi recenti. Non appena la potenza di calcolo è divenuta sufficiente, però, si è assistito ad un fiorire di applicazioni che, pur nella loro mirabilia, sono diventati, o stanno diventando, parte della nostra vita quotidiana.

Ad esempio, abbiamo:

• La Google car, ossia l’auto che si guida da sola;
• I suggerimenti online “mirati”, stile quelli dei siti Amazon e Netflix;
• la facial recognition, ossia la tecnologia che permette a Facebook (ma anche ad altri) di riconoscere visi e taggarli in automatico ogni qualvolta si posta una foto sul proprio profilo;
• la social intelligence, ossia la capacità di analizzare il “contenuto emozionale” (opinione positiva, negativa o neutra su determinati argomenti) dei post e degli interventi sui social network, e trarne conclusioni;
• Gli assistenti virtuali Siri, Cortana (ed altri) presenti sui nostri smartphone.

Applicazioni del genere rivelano tutta la potenza, nonchè la grande utilità pratica, degli algoritmi di apprendimento automatico e svelano come tali strumenti siano già diventati, magari a nostra insaputa. parte costante della nostra realtà. E ogni giorno, sempre più, si assiste o si ha notizia di nuovi usi; ed è spesso Google, attraverso i suoi laboratori di ricerca ed i suoi progetti innovativi, a trovare nuove applicazioni. A Febbraio, ha svelato un sistema di intelligenza artificiale che, basandosi su immagini “pixellate”, riesce a creare una ricostruzione piuttosto attendibile della fotografia originale; ad Aprile, ha comunicato che il suo Translate ha migliorato l’accuratezza delle traduzioni in italiano grazie ad algoritmi di intelligenza artificiale; sempre ad aprile, ha lanciato un portale su web che utilizza algoritmi di apprendimento automatico per interpretare “scarabocchi” o disegni appena abbozzati di un oggetto e “rimpiazzarli” con disegni accurati e professionali relativi allo stesso oggetto. Ma il meglio è ancora al di là di venire. Infatti il Machine Learning è uno strumento potentissimo, la cui vera forza deve ancora esprimersi pienamente ed i cui usi futuri non sono limitati al business e ai servizi delle aziende. Grazie alla costante evoluzione tecnologica e all’aumentare della potenza di calcolo, infatti, l’Apprendimento Automatico presto potrà evolversi da strumento di analisi a strumento di scoperta ed innovazione, ed avrà un ruolo sempre più da protagonista in settori come quelli della ricerca e della scienza. In sintesi, gli algoritmi che sfruttano il Machine Learning potranno fare esattamente ciò che fanno ora gli scienziati e gli inventori, ma meglio e più velocemente. L’auspicio è che un giorno saranno i software a risolvere questioni al momento irrisolvibili. Ossia, la speranza è ad esempio quella di poter costruire un Machine Learning intelligente al punto da permettergli di usare i suoi algoritmi per trovare la cura per malattie quale cancro o AIDS. Il futuro, probabilmente, sarà sorprendente, in modi che oggi, forse, non siamo nemmeno in grado di immaginare.

di Giovanni Calcerano