Quando le macchine imparano

Gli attori principali

Joachim Buhmann, professore di informatica e direttore dell'Istituto per l'apprendimento automatico dell'ETH di Zurigo, ha una visione più sobria della situazione: "L'algoritmo del giocatore di Go ha naturalmente posto una pietra miliare nel campo dell'apprendimento automatico. Ma è una pietra miliare in un campo molto limitato e artificiale", afferma Buhmann. Fin dagli albori dell'informatica come scienza, i giochi di strategia sono stati una delle sfide con cui è stato possibile misurare i progressi in modo comparabile. Tutto è iniziato con giochi semplici come il mulino o la dama. Nel 1997, il computer Deep Blue ha battuto il campione mondiale di scacchi Garry Kasparov. In seguito, i programmatori hanno puntato sul gioco molto più complesso del Go come prossima possibile pietra miliare.

Ciò che è interessante, tuttavia, non è il fatto che AlphaGo abbia trionfato, ma come: a differenza del computer Deep Blue, non grazie alla pura velocità di calcolo, ma molto più grazie a un'enorme potenza di calcolo, "combinata con una sorta di apprendimento intelligente", spiega Buhmann. Ma precisa che: "Riuscire a risolvere questi problemi di gioco non è il vero grande passo avanti, perché la vera intelligenza è caratterizzata dal prendere decisioni di fronte a una grande incertezza. Il suo collega di ricerca Thomas Hofmann, uno dei direttori del nuovo progetto di ricerca, ha spiegato: "La vera intelligenza è caratterizzata dal prendere decisioni di fronte a una grande incertezza. pagina esternaCentro per le persone in formazione L'ETH e la Max Planck Society: "Vogliamo umwelt und Geomatik macchine che si dimostrino valide nel mondo reale. Le auto a guida autonoma, ad esempio, devono affrontare decisioni molto più complesse e di vasta portata".

Formazione nel mare dei dati

Tuttavia, il modo in cui i creatori di AlphaGo hanno portato il loro computer alla maestria è tipico di molte altre aree dell'apprendimento automatico. Per cominciare, i progettisti di AlphaGo hanno alimentato la macchina con 150.000 partite giocate da bravi giocatori e hanno utilizzato una rete neurale artificiale per identificare i modelli tipici di queste partite. In particolare, la macchina ha imparato a prevedere quale mossa avrebbe usato un giocatore umano in una determinata posizione. I progettisti hanno poi ottimizzato la rete neurale mettendola ripetutamente a confronto con versioni precedenti del proprio gioco. In questo modo, la rete ha gradualmente migliorato le sue possibilità di vittoria grazie a piccoli aggiustamenti costanti. "Ci sono due ingredienti che rendono possibile questo tipo di apprendimento", spiega Hofmann. "? necessario disporre di molti dati come materiale di apprendimento e di una velocità di calcolo sufficiente". Entrambi sono oggi disponibili in molti settori.

Questo ha cambiato radicalmente l'approccio degli sviluppatori di intelligenza artificiale. Joachim Buhmann lo spiega nel campo del riconoscimento delle immagini: "In passato, gli esperti di immagini dovevano indicare al computer in dettaglio quali caratteristiche avrebbe dovuto utilizzare per classificare un'immagine come un volto, ad esempio. "Da un lato, ciò significava che dovevamo affidarci alle conoscenze degli esperti e dall'altro che dovevamo scrivere una grande quantità di regole come codici", ricorda il ricercatore. Oggi è sufficiente scrivere un metaprogramma che definisca solo i principi di base dell'apprendimento. Il computer impara poi autonomamente quali caratteristiche rappresentano un volto sulla base di molti esempi di immagini. Grazie a Facebook, Instagram e simili, il materiale di apprendimento non manca: "Oggi possiamo facilmente utilizzare molti milioni di immagini o più come materiale di addestramento", dice Buhmann.

Il computer come medico

Il suo ambito specialistico è il riconoscimento delle immagini in campo medico. ? qui che il vantaggio dell'apprendimento automatico è particolarmente evidente: "In passato, abbiamo cercato di chiedere agli esperti medici le loro conoscenze specialistiche per poi convertirle in regole dettagliate. Oggi i programmi informatici cercano autonomamente modelli statisticamente rilevanti in grandi quantità di dati di immagini. Buhmann e i suoi colleghi utilizzano questi metodi nella ricerca sul cancro, ad esempio, ma anche nello studio di malattie neurologiche come la schizofrenia o di malattie degenerative del cervello come la demenza o il morbo di Parkinson.

Tra le altre cose, hanno sviluppato un programma che i patologi possono utilizzare per stimare con maggiore precisione il probabile decorso di una particolare forma di cancro al rene. A questo scopo, vengono prelevate biopsie dai pazienti, da cui vengono create sezioni istologiche. Le caratteristiche rilevanti sono rese visibili mediante una colorazione specifica. Le sezioni vengono digitalizzate e valutate con metodi di analisi automatica delle immagini. Ciò comporta, ad esempio, il conteggio delle cellule tumorali che si stanno dividendo e che sono diventate visibili grazie alla colorazione. Il computer utilizza poi questi conteggi in combinazione con altri dati per formulare prognosi per gruppi specifici di pazienti. In un altro progetto, le immagini di risonanza magnetica del cervello di pazienti affetti da schizofrenia sono state analizzate al computer. L'analisi delle immagini ha rivelato tre gruppi di pazienti con modelli di attività cerebrale chiaramente diversi. "Abbiamo imparato che la schizofrenia non è uguale alla schizofrenia", spiega Buhmann. "Ora spetta ai farmacisti e ai medici trovare il trattamento giusto per ogni tipo di paziente". ? molto probabile che le analisi automatizzate delle immagini cerebrali possano aiutare anche in questo senso.

Lingua e significato

Ciò che il riconoscimento delle immagini è per Buhmann, il parlato lo è per il suo collega di ricerca Thomas Hofmann. "Il riconoscimento vocale come sottoarea dell'intelligenza artificiale è particolarmente richiesto quando si tratta di interazione uomo-macchina", spiega Hofmann. Un giorno non vorrà più dover spiegare faticosamente all'auto a guida autonoma quale destinazione vuole raggiungere utilizzando una tastiera, ma preferirà farlo spontaneamente con istruzioni verbali. Hofmann è convinto che non passerà molto tempo prima che ciò accada. "Oggi possiamo affrontare il problema di come una macchina possa comprendere i testi in modo completamente diverso rispetto al passato".

Anche in questo caso, i big data forniscono il materiale che le macchine utilizzano per esercitarsi nella comprensione dei testi. Il web è un tesoro incommensurabile di linguaggio, un enorme corso di formazione che le macchine utilizzano per filtrare le regolarità statistiche che mostrano loro le connessioni tra le parole. "E molto meglio di quanto saremmo mai stati in grado di fare con regole linguistiche o fonetiche astratte", dice Hofmann. Questi metodi hanno anche applicazioni concrete quando si tratta di ottimizzare i programmi di traduzione o i motori di ricerca. Hofmann e il suo team stanno sviluppando un programma che utilizza tutte le voci di Wikipedia (oltre 5 milioni di voci in lingua inglese) per imparare a collegare testi e parole tra loro in modo significativo. In futuro, i collegamenti e i riferimenti incrociati ad altre voci che ogni autore di Wikipedia fa ancora a mano saranno creati dal computer, in modo più rapido e completo di quanto potrebbe fare un autore. "Si comincia con i significati elementari delle parole. Ma poi i nostri programmi dovrebbero comprendere anche il significato di intere frasi e, in ultima analisi, di interi discorsi", afferma Hofmann.

Ad altezza d'uomo con le macchine

Sogni del futuro? Solo in parte. I programmi di traduzione hanno già fatto enormi progressi negli ultimi anni. I motori di ricerca migliorano costantemente, i programmi informatici scrivono relazioni sportive. Lo stesso Hofmann ha partecipato alla fondazione di una società chiamata Recommind negli Stati Uniti. I suoi programmi analizzano e ordinano i testi alla ricerca di contenuti giuridicamente rilevanti. "Automatizziamo il processo di analisi dei file, che prima richiedeva agli avvocati un tempo infinito", spiega il ricercatore. L'azienda conta oggi 300 collaboratori in tutto il mondo ed è leader di mercato nel suo settore.

Recommind è solo un esempio di come le nuove tecnologie cambieranno anche il lavoro di professionisti altamente qualificati. Hofmann è convinto che siano poche le professioni che non saranno influenzate dal cambiamento tecnologico. "Finora le macchine hanno svolto compiti meccanici e ripetitivi. In futuro, prenderanno anche decisioni intelligenti", afferma il ricercatore. Anche Buhmann è convinto: "In futuro, le nuove tecnologie intelligenti integreranno o addirittura sostituiranno il lavoro di professionisti altamente qualificati", ad esempio il lavoro dei patologi sarà sicuramente modificato in modo massiccio dalle nuove possibilità di analisi delle immagini. "In futuro avremo bisogno di un numero significativamente inferiore di patologi, ma i medici potranno dedicare più tempo all'assistenza psicologica dei pazienti", sottolinea il ricercatore. Il suo collega Hofmann aggiunge: "Tecnologicamente parlando, tutto è possibile. ? una questione di volontà della società di plasmare il modo in cui affrontiamo il cambiamento tecnologico".