Casi di utilizzo del mondo reale per i sistemi AI di DeepMind

L'azienda acquisita da Google ha già sviluppato potenti applicazioni della sua tecnologia. Promettenti, ma controverse, quelle per il settore sanitario

google deepmind intelligenza artificiale

DeepMind ha attirato l’attenzione su di sé nel 2014, quando Google ha pagato 400 milioni di sterline per la startup inglese specializzata in intelligenza artificiale. All’ammirazione suscitata dal sistema AlphaGo di DeepMind, che ha sconfitto il campione del mondo Lee Sedol nel gioco Go, sono seguite le critiche per il suo uso controverso delle cartelle cliniche.

Le autorità inglesi hanno stabilito che la società ha violato il Data Protection Act, l’insieme di norme in vigore in Gran Bretagna per la protezione dei dati. Le preoccupazioni sono cresciute quando Google ha annunciato che avrebbe assunto il controllo di DeepMind Health, il ramo dell’azienda che si occupa di applicazioni in campo medico e lavora a stretto contatto con l’NHS, il servizio sanitario inglese.

Nonostante i problemi di privacy e sicurezza legati all’uso dei dati dei pazienti, il laboratorio DeepMind di King’s Cross, a Londra, continua a sviluppare i suoi sistemi AI e sta proponendo interessanti applicazioni. Ecco le più importanti.

1. Applicazioni per il settore sanitario

deepmind healthRilevazione di danni renali acuti (in collaborazione con l’NHS)

DeepMind ha sviluppato un’app per la sicurezza del paziente chiamata Streams che analizza i risultati di test clinici e invia alert immediati al personale medico se è necessaria una valutazione urgente. L’app aiuta anche i medici a diagnosticare rapidamente gravi condizioni, come le lesioni renali acute, e visualizza i risultati di analisi del sangue e radiografie con il semplice tocco di un pulsante.

Il progetto fa parte di DeepMind Health, il progetto lanciato a febbraio 2017 con l’obiettivo di utilizzare sistemi di machine learning per migliorare il trattamento sanitario e digitalizzare i processi medici.

Streams è stata utilizzata per la prima volta presso il Royal Free NHS Trust di Londra per rilevare lesioni renali acute analizzando le analisi del sangue, e in seguito è stato implementata da altre organizzazioni sanitarie e ospedali inglesi.

Nonostante la buona accoglienza da parte del personale sanitario, l’adozione è stata rallentata dalle leggi sulla privacy. Nel luglio 2017 l’autorità inglese garante per la privacy (ICO, Information Commissioner’s Office) ha stabilito che l’istituto Royal Free non aveva rispettato il Data Protection Act quando forniva i dettagli dei pazienti a DeepMind. Tra i principali problemi c’era il fatto che i pazienti non erano adeguatamente informati sull’uso dei loro dati nello studio.

Il problema è stato risolto dall’ICO con un impegno formale da parte del Royal Free per garantire la conformità futura, ma la questione si è riaperta quando DeepMind ha annunciato che il team di sviluppo di Stream si stava unendo a Google.

DeepMind Health lavorerà ora sotto l’egida di Google Health, la business unit guidata da David Feinberg, ex CEO di Geisinger, come parte di una strategia per integrare i vari progetti sanitari di Google.

Gli attivisti per la privacy sostengono che DeepMind viene meno alla promessa di non cedere a Google l’utilizzo dei dati personali acquisiti da Streams. Secondo quanto riportato dalla CNBC il comitato di revisione indipendente di DeepMind verrà probabilmente sciolto, mentre la società intende espandere il servizio al di fuori del Regno Unito.

DeepMind sostiene che, grazie al supporto di Google, l’app diventerà un assistente basato sull’intelligenza artificiale che combina i migliori algoritmi con un design intuitivo e sarà utile per tutti gli infermieri e i medici.

Diagnosi del tumore al seno (in collaborazione con l’Imperial College di Londra)

DeepMind sta collaborando con il team di ricerca sulla salute di Google (AOI) e un gruppo di istituti di ricerca, guidati dal Cancer Research UK Centre dell’Imperial College di Londra, per migliorare la diagnosi del tumore al seno.

La malattia uccide 500.000 persone in tutto il mondo ogni anno, in parte a causa delle difficoltà del rilevamento e della diagnosi della malattia. DeepMind sostiene che l’apprendimento automatico può migliorare le attuali tecniche ecografiche e radiografiche per il rilevamento del tumore.

I ricercatori di DeepMind analizzeranno un set di mammografie provenienti (in forma anonima) da circa 7.500 donne per valutare se gli strumenti di apprendimento automatico identificano la presenza di tessuto canceroso in modo più efficace rispetto alle tradizionali mammografie.

Prevenzione di malattie nei veterani di guerra

DeepMind sta lavorando con il Dipartimento Veterans Affairs degli Stati Uniti per prevedere il deterioramento dei pazienti analizzando lo storico di circa 700.000 cartelle cliniche.

Il progetto mira a determinare se l’apprendimento automatico può identificare i fattori di rischio per il deterioramento dei pazienti e prevedere l’insorgenza di sintomi per migliorare il trattamento di un problema che, secondo le stime, causa l’11% di tutti i decessi ospedalieri negli Stati Uniti.

Identificazione delle malattie oculari

DeepMind ha collaborato con il Moorfields Eye Hospital per sviluppare un sistema basato sull’apprendimento automatico in grado di riconoscere le malattie degli occhi da una scansione digitale dell’occhio. Mentre la collaborazione iniziale con il Royal Free si è concentrata sulla cura del paziente, questa è la prima interamente dedicata alla ricerca medica.

Il programma prevede l’analisi di oltre un milione di scansioni oculari anonime per produrre un algoritmo che rileva i primi segni di malattie che mettono a rischio la vista e aumenta la velocità della diagnosi.

Promotore del progetto è l’oftalmologo Pearse Keane del Moorfields Eye Hospital. Secondo il medico la tecnologia DeepMind, che insegna ai computer a giocare ai videogiochi, può essere applicata alle immagini dell’occhio.

Trattamento dei tumori della testa e del collo

DeepMind’s ha anche lavorato con l’University College London Hospital (UCLH) per migliorare il trattamento dei tumori della testa e del collo. Attualmente, prima di iniziare la radioterapia, i medici devono preparare una mappa dettagliata del corpo di ciascun paziente per evitare di prendere di mira il delicato tessuto circostante che può essere danneggiato durante il trattamento. L’informazione viene quindi inserita nel sistema che esegue la radioterapia per colpire le cellule tumorali senza danneggiare il tessuto sano.

La preparazione della mappa richiede circa quattro ore e i ricercatori di DeepMind ritengono che l’apprendimento automatico possa ridurre questo tempo a un’ora. Il team sta analizzando i dati anonimi dei pazienti dell’UCLH per sviluppare un algoritmo di segmentazione della radioterapia in grado di automatizzare parti del processo.

2. Miglioramento dell’efficienza dei parchi eolici

DeepMind ha incrementato il valore dei parchi eolici di Google negli Stati Uniti prevedendo la loro capacità di produzione 36 ore prima che l’energia venga generata.

La società ha addestrato una rete neurale sulle previsioni meteorologiche locali e sui dati storici delle turbine in modo da prevedere con un giorno di anticipo quanta energia verrà prodotta e gli orari ottimali di distribuzione alla rete elettrica.

DeepMind afferma che questo ha già aumentato il valore dell’energia eolica di Google di circa il 20 percento e intende perfezionare ulteriormente il modello per rendere la fonte di energia, per sua natura imprevedibile, più utile dal punto di vista commerciale.

3. Ottimizzazione dei suggerimenti per le app in Google Play

DeepMind ha aiutato a personalizzare i consigli delle app in Google Play. Sfruttando l’apprendimento automatico è in grado di suggerire le app che gli utenti saranno più propensi a utilizzare in base ai download precedenti e al contesto in cui sono state utilizzate.

L’obiettivo è attirare i clienti paganti nel Google Play Store: un esempio di come Google può commercializzare la tecnologia prodotta da DeepMind.

4. Generazione di voci per Google Assistant

I sistemi di apprendimento automatico di DeepMind sono stati estesi anche all’analisi audio. Le “macchine parlanti” hanno una lunga storia nella fantascienza e stanno raggiungendo l’adozione di massa attraverso prodotti come Siri, ma il divario tra computer e linguaggio umano rimane sostanziale.

DeepMind ha sviluppato un sistema di sintesi vocale che può colmare questo divario di oltre il 50%. Conosciuto come WaveNet, il sistema utilizza una rete neurale per replicare le onde sonore prodotte da parlanti umani, piuttosto che copiare il linguaggio che usano. La tecnologia è attualmente utilizzata per generare voci di Google Assistant su tutte le piattaforme in inglese americano e giapponese.

5. Riduzione dei consumi di energia elettrica

Google utilizza l’apprendimento automatico in una gamma di prodotti propri, tra cui Maps, Gmail, YouTube e Android, e ritiene che la tecnologia DeepMind possa migliorare la ricerca, i robot e l’Internet of Things. Un agente DeepMind ha già raggiunto le prestazioni umane in 49 giochi Atari, inclusi Pac-Man e Space Invaders, ed è stato il primo programma per computer a vincere una partita di Go contro un giocatore professionista.

Google utilizza la tecnologia di DeepMind anche per tagliare le bollette elettriche nei suoi enormi data center. Gli algoritmi DeepMind sono in grado di prevedere i fabbisogni di aria condizionata per raffreddare il vasto numero di server che alimentano i suoi servizi, che variano in base alla richiesta degli utenti.

I risultati raggiunti sono promettenti. Google ha dichiarato infatti un risparmio dell’efficienza del 40 percento nei sistemi di raffreddamento e una riduzione del 15 percento dell’energia complessiva utilizzata nei data center.

6. Miglioramento gestione batteria e luminosità dello schermo su dispositivi Android

DeepMind ha creato due nuove funzionalità per Google Android: Adaptive Battery, che prevede quali app verranno utilizzate e quindi migliora le prestazioni della batteria, e Adaptive Brightness, che “apprende” le preferenze di luminosità in ambienti diversi per personalizzare le impostazioni dello schermo.

Le funzionalità saranno disponibili entro la fine dell’anno per i dispositivi che eseguono il sistema operativo Android P.