David Singleton, VP di Engineering presso Google a Londra, nel suo intervento di apertura al Festival dei Leoni di Cannes 2017 ha condiviso il suo punto di vista sugli ultimi sviluppi del machine learning.
Il machine learning sta rendendo il mondo in cui viviamo più intelligente, aiutandoci a trovare risposte a problemi complessi nei più svariati campi, dai cambiamenti climatici all'istruzione. Google sta investendo nel machine learning da qualche tempo e quasi tutte le sue tecnologie ne fanno uso. Lo abbiamo impiegato per rinnovare prodotti esistenti come YouTube e Google Translate e per realizzare esperienze completamente nuove come Assistente Google. Oltre a Google, anche altre società del gruppo Alphabet stanno esplorando le potenzialità del machine learning e dell'intelligenza artificiale (AI) per vari scopi, che vanno dalla diagnosi dei tumori alla lotta al cyberbullismo e all'ottimizzazione delle nostre sempre più limitate risorse energetiche.
Ma vediamo un po' di storia. Sebbene oggi il machine learning e l'AI siano oggetto di grande attenzione e di investimenti, non sono propriamente nuove tecnologie. Ricordo di aver seguito un corso di informatica neurale quando ero a Cambridge negli anni '90, ma in realtà questa materia esisteva già da parecchi decenni, se si considera che i primi modelli statistici rappresentanti il funzionamento del cervello umano risalgono agli anni '50. Tuttavia quei primi modelli erano estremamente schematici ed è solo di recente che, con lo sviluppo delle reti neurali, la potenza del cloud computing e la disponibilità di vasti set di dati, il machine learning si è evoluto e, da interessante collezione di teorie e algoritmi, è diventato un insieme di tecnologie applicate.
Nella sua essenza, il machine learning è un metodo per risolvere problemi. Agli albori dell'era informatica, il software era sostanzialmente una serie di regole che trasformavano un dato input nel risultato desiderato. Ma i sistemi basati su regole arrancano di fronte al caos del mondo reale, che raramente si conforma a schemi precisi e ordinati. Il machine learning parte da una prospettiva praticamente opposta: all'algoritmo viene "insegnato" come creare regole proprie identificando schemi ricorrenti e somiglianze in un vasto insieme di dati. Nella pratica, questa capacità può essere applicata a innumerevoli scopi, dall'identificare tutte le foto di cani e gatti su un dispositivo mobile all'ottimizzare il raffreddamento di un data center.
Ed è questa capacità di apprendere da vasti insiemi di dati che consente al machine learning e all'AI di risolvere problemi fuori dalla portata di qualsiasi essere umano o anche di gruppi di persone. Alcune affermazioni che si sentono circa la portata e il potenziale di queste tecnologie possono farle sembrare abbastanza inquietanti, ma in realtà sono solo strumenti che amplificano la nostra capacità di affrontare problemi sempre più complessi. Con l'aiuto del machine learning e dell'AI, la nostra intelligenza umana, con tutta la sua imprevedibilità e creatività, potrà proiettarsi oltre nuovi confini e ottenere ancora di più.
Diversi team di Google stanno esplorando il potenziale del machine learning in ambito creativo, artistico e musicale, ma forse il miglior esempio del nostro lavoro in questo campo è Assistente Google, un sistema di AI cross-device che aiuta le persone a fare più cose e a godersi di più la vita ogni giorno. Apprende chi sei, che cosa ti interessa, persino per quale squadra tifi, e poi ti fornisce informazioni utili e pertinenti durante il giorno quando necessario. Grazie al machine learning e all'elaborazione del linguaggio naturale, è possibile parlare con l'assistente esattamente come con una persona. E gli utenti stanno già adottando questa modalità di interazione: il 70% delle richieste è infatti espresso in linguaggio naturale piuttosto che con le tipiche parole chiave che si immettono in una casella di ricerca.
Assistente Google è disponibile su più di 100 milioni di dispositivi, inclusi telefoni Android, Google Home, iPhone e Android Wear, e sarà presto disponibile su molti altri, come automobili e smart TV. Gli sviluppatori stanno realizzando app e azioni per Assistente Google che consentono di andare oltre la mera ricerca e brand del calibro di Spotify, Netflix ed eBay stanno investendo nella piattaforma. La possibilità di conversare personalmente con i clienti per molti brand è un sogno che Assistente Google sta traducendo in realtà con la potenza del machine learning e dell'AI.
A proposito di conversazione, il machine learning svolge un ruolo fondamentale anche in altre aziende del gruppo Alphabet. Jigsaw è una società di Alphabet il cui staff annovera esperti di norme, ingegneri, ricercatori e specialisti di AI, tutti dedicati a trovare modi di impiegare la tecnologia per rendere il mondo più sicuro. Il team si è posto l'ambizioso obiettivo di risolvere problemi di sicurezza globali come i fenomeni di radicalizzazione su Internet, la proliferazione di notizie false e la minaccia della censura online; il loro primo prodotto, Perspective, intende porre rimedio a una delle maggiori piaghe che affliggono le community online: l'inciviltà e il cyberbullismo.
La maggioranza degli utenti di Internet ha visto casi di molestie e bullismo online e quasi la metà ne è stata vittima personalmente. Avvalendosi di set di dati forniti da partner come il New York Times, gli algoritmi di machine learning di Perspective hanno appreso a riconoscere il tipo di linguaggio oltraggioso che scoraggia le persone dal partecipare a un dibattito. L'API di Perspective attribuisce un "punteggio di tossicità" a ogni commento, fornendo ai publisher un metodo affidabile e scalabile di monitorare e filtrare le conversazioni e promuovere la discussione e l'interazione civili. Grazie all'introduzione di Perspective, il New York Times, che prima consentiva i commenti solo sul 10% circa dei suoi contenuti, ora sta aprendo alla discussione da parte dei lettori un numero sempre maggiore di articoli, con l'obiettivo futuro di consentire i commenti sul 100% dei contenuti.
Fuori dalla famiglia Alphabet, stiamo mettendo i componenti fondamentali della nostra tecnologia di machine learning a disposizione di alcune aziende e ricercatori al fine di promuovere il progresso dell'intero settore. Innanzitutto, abbiamo Google CloudML, un set di API accessibili a tutti che consentono l'utilizzo di semplici funzionalità di machine learning su Google Cloud; e poi abbiamo TensorFlow, una libreria di machine learning open source che privati, istituti e imprese possono utilizzare per i propri progetti di machine learning.
Questi strumenti hanno già aiutato aziende di ogni dimensione a realizzare cospicui risparmi su attività che sottraggono molto tempo al personale: dall'automazione della cernita dei cetrioli in un'azienda agricola giapponese alla rimozione automatica delle formazioni nuvolose dalle immagini del satellite di Airbus Defence and Space, molte attività complesse e faticose sono già state affidate a TensorFlow e CloudML, liberando tempo e risorse mentali da dedicare a quelle attività creative in cui la mente umana eccelle.
Sono estremamente ottimista sulle potenzialità del machine learning. In tutto il mondo migliaia di persone brillanti si impegnano ogni giorno per trovare una risposta a problemi importanti, dai cambiamenti climatici, alla ricerca aerospaziale, all'istruzione. Le soluzioni che riusciranno a trovare con l'aiuto degli strumenti del machine learning saranno in grado di migliorare drasticamente il mondo e la nostra vita.
