Nel 1984, James Cameron immaginò un futuro caratterizzato da una guerra tra uomini e macchine. In particolare, la storia in questione parlava di un programma di difesa, Skynet, creato per gestire i missili nucleari. Questo programma, dopo anni di apprendimento, avrebbe sviluppato un’autocoscienza e questo l’avrebbe spinto a dichiarare guerra all’umanità, provocando un’apocalisse nucleare e creando i Terminator.
Questo esempio, per quanto catastrofico, è abbastanza calzante per spiegare il Machine Learning. I primi computer non avevano quasi nessuna autonomia, se non quella necessaria per accendersi e spegnersi senza che le persone inserissero comandi nella shell. Solo col tempo ci si rese conto che i processi delle macchine potevano essere “automatizzati”, risparmiando tempo prezioso e permettendo loro anche di sviluppare una soglia di apprendimento.
Cosa si intende per “apprendimento”
Non dobbiamo pensare che una macchina ragioni o impari come uno studente alle prese con la Storia; l’apprendimento per le macchine è piuttosto una serie di calcoli che il computer effettua autonomamente una volta ricevute delle istruzioni. Il margine di errore è sempre presente, ma il Machine Learning fa sì che l’Intelligenza Artificiale impari da quest’ultimo, riducendo il numero con ogni iterazione lanciata. Il principio alla base del Machine Learning è la logica, tramite la quale è possibile andare oltre le mere funzioni matematiche, arrivando persino ad analizzare suoni e immagini, nonché a riconoscerli.
Esistono diversi tipi di Machine Learning:
- Supervisionato: in cui la macchina riceve un target e un set di dati da analizzare, in modo da trovare un collegamento generico tra gli uni e gli altri;
- Non supervisionato: in cui non viene specificato alcun target, ma vengono solo forniti dei dati che l’IA analizza, sviluppando autonomamente una risposta e una regola;
- Apprendimento per rinforzo: ossia un ambiente dinamico in cui il programma è spinto a interagire per trovare una soluzione, basando la sua esperienza su errori e punizioni. Un esempio pratico è l’Intelligenza Artificiale degli scacchi, la quale impara dai propri errori ogni volta che viene battuta.
Solo di recente il Machine Learning ha fatto un balzo ulteriore, introducendo le Reti Neurali. Basandosi sul principio del cervello umano, gli scienziati stanno tuttora cercando di creare dei nodi che rendano più complesse le IA.
Come viene utilizzato il Machine Learning
Per quanto questo termine possa sembrare fantascientifico, il ML è da diverso tempo parte integrante della nostra vita. Per esempio, i filtri anti-spam delle nostre email sono basate su questo principio: quando un messaggio viene segnalato, il programma prende letteralmente nota dei dati presenti (indirizzo, IP, testo, ecc.) e crea una lista nera in cui inserire automaticamente tutti i dati simili.
Esistono anche IA che si occupano della prevenzione delle frodi, come la clonazione di carte di credito e persino il riconoscimento facciale (quest’ultimo molto discusso e ancora in sperimentazione).
Altri esempi di Machine Learning sono Amazon, Netflix, eBay e più generalmente applicazioni e piattaforme che hanno interazioni dirette con l’utente. Si tratta di un processo di fatto “supervisionato”, in cui noi stessi diamo dei dati al programma, il quale ha come target quello di darci l’esperienza migliore. L’IA crea una lista di oggetti o film che ci vengono raccomandati in base ai nostri gusti.
Infine, più di recente, diverse compagnie hanno deciso di applicare IA e Machine Learning ad altri campi, come le automobili. È diventato un caso quello delle auto Tesla a guida autonoma, che utilizzavano sensori e memoria per studiare gli ambienti circostanti ed evitare gli ostacoli. Fino a ora i risultati non sono stati troppo incoraggianti, con diversi episodi di incidenti e persino qualche decesso.
Machine Learning: ci sono dei rischi?
Sicuramente. Non molti anni fa, si verificò un episodio insolito e inquietante: dei ricercatori decisero di far comunicare tra loro due IA, per sperimentare le loro interazioni. Con loro grande sorpresa, i computer svilupparono rapidamente un linguaggio sconosciuto all’uomo, iniziando a parlare senza che nessuno potesse tradurlo. L’unica soluzione è stato “staccare la spina” a entrambe, prima che ci si spingesse troppo oltre.
Ha fatto discutere anche la serie di video della Boston Dynamics, all’avanguardia nella robotica, in cui vengono mostrate delle persone intente a testare androidi e quadrupedi robot, alle prese con ostacoli, terreni scivolosi e persino oggetti da raccogliere e spostare.
Il futuro delle IA è ancora incerto, ma col passare degli anni noi umani stiamo raccogliendo sempre più informazioni su come sfruttarle al meglio.
A cura di
Francesco Antoniozzi
FONTI:
CREDITS:
