I veri successi dell’intelligenza artificiale tra chip e codice

Nonostante l’hype mediatico, specialmente intorno alle auto a guida autonoma, l'intelligenza artificiale sta scrivendo codice, progettando chip e dicendoci quanto fidarci di essa.

intelligenza artificiale

Visto che quando si parla di intelligenza artificiale, si parla anche molto di hype (e spesso a sproposito), è facile dimenticare che un’ampia gamma di aziende sta avendo un vero successo con l’IA. No, non sto parlando del continuo e martellante marketing di Tesla per la guida completamente autonoma infusa di intelligenza artificiale. Come scrive l’analista Benedict Evans, “la nuova versione del Full Self-Driving di Tesla sarà presto disponibile (in beta) e tuttavia non sarà un sistema completamente autonomo, o qualcosa di simile”. Piuttosto, sto parlando di esempi più reali e concreti.

Per far funzionare davvero l’intelligenza artificiale, avrete bisogno tra le tante cose di grandi investimenti e di dati di buona qualità. Supponendo che questi due presupposti siano soddisfatti, diamo un’occhiata ad alcune aree in cui l’intelligenza artificiale sta facendo progressi nel migliorare le nostre vite e non solo il nostro marketing.

Scrivi il mio codice per me

L’esperimento recente più visibile per migliorare la produttività umana con l’intelligenza delle macchine è Copilot di GitHub. Simile a come il vostro smartphone può suggerire parole o frasi durante la digitazione, Copilot assiste gli sviluppatori suggerendo righe di codice o funzioni da utilizzare. Istruito su miliardi di righe di codice in GitHub, Copilot promette di migliorare la produttività degli sviluppatori consentendo loro di scrivere meno codice, ma meglio.

ADV
Webinar IVA spese di viaggio

Resilienza del business: le priorità digitali delle medie imprese italiane nel 2021

Come si stanno muovendo i tuoi concorrenti per affrontare le sfide poste dai nuovi modelli organizzativi del lavoro? Questo white paper di IDC indica le priorità di spesa delle PMI su tre filoni: remote working, sicurezza e protezione dei dati. SCARICA IL WHITE PAPER >>

È troppo presto per sapere se Copilot funzionerà. Non voglio dire se può o meno fare ciò che pretende di fare; molti sviluppatori si sono affrettati a provarlo e ne hanno lodato il potenziale. Eppure, ci sono anche alcune preoccupazioni, come sottolinea Simon Bisson:

“Non dovreste aspettarvi che il codice prodotto da Copilot sia corretto. Per prima cosa, è ancora agli inizi per questo tipo di applicazione, con poca formazione oltre il set di dati iniziale. Poiché sempre più persone usano Copilot, i suoi suggerimenti dovrebbero comunque migliorare con il tempo. Tuttavia, dovrete prendere decisioni sugli snippet che usate e su come li usate. È inoltre necessario prestare attenzione al codice generato da Copilot per motivi di sicurezza”.

Ci sono anche preoccupazioni sul copyright e sull’open source, tra le altre cose. La chiave di volta sarà capire se gli sviluppatori troveranno utili i suggerimenti di Copilot in scenari di programmazione reali, e non solo il fatto (comunque interessante e rivoluzionario) che sia in grado di fare ciò che promette. La migliore intelligenza artificiale dovrebbe sempre potenziare la creatività umana piuttosto che soppiantarla.

La vera guida autonoma

La realtà delle odierne auto a guida autonoma è che non sono a guida autonoma, ma possono assistere i conducenti svolgendo alcuni compiti al posto loro (se solo Elon Musk descrivesse così l’IA delle sue Tesla!). La promessa di veicoli autonomi è stata in qualche modo ostacolata dalla loro dipendenza dal GPS, che non è certo infallibile. Ma come descritto nella rivista Science Robotics, gli scienziati del Caltech hanno escogitato “una profonda trasformazione indipendente dalle stagioni per la navigazione visiva relativa al terreno”. Nel linguaggio umano, ciò significa che i sistemi autonomi (come le automobili) possono prendere spunto dal terreno intorno a loro per individuare la loro posizione, sia che quel terreno sia coperto di neve, foglie cadute o l’erba rigogliosa della primavera.

I metodi attuali richiedono che i dati di mappatura/terreno corrispondano quasi esattamente a ciò che il veicolo “vede”, ma la neve e altri elementi possono ostacolare l’intero sistema. Gli scienziati del Caltech hanno adottato un approccio diverso, chiamato apprendimento auto-supervisionato. “Mentre la maggior parte delle strategie di visione artificiale si basa su persone che analizzano con cura grandi set di dati per insegnare a un algoritmo come riconoscere ciò che sta vedendo, questo sistema fa in modo che sia l’algoritmo a insegnare a se stesso. L’intelligenza artificiale cerca modelli nelle immagini rilevando dettagli e caratteristiche che probabilmente sfuggirebbero agli essere umani”. Utilizzando questo approccio di deep learning, gli scienziati hanno creato un modo estremamente accurato per migliorare il modo in cui le macchine vedono e reagiscono al mondo che le circonda.

Non sorprende che molte delle cose intorno a un’auto siano altre auto. L’approccio Caltech non aiuta su questo versante, ma una nuova ricerca di uno scienziato del College of Engineering and Computer Science della Florida Atlantic University ha lo scopo di imparare dalle emozioni dei conducenti umani e modificare di conseguenza la guida. Nessuno sta ancora utilizzando in fase di produzione questo recente brevetto, che però indica un approccio olistico alla sicurezza e alla fiducia nella guida autonoma.

Una questione di fiducia

E passiamo ora alla grande G. Come descritto in Nature, gli ingegneri di Google hanno adottato un nuovo approccio nel progettare il layout fisico di un chip per computer (il cosiddetto floorplanning). Gli ingegneri hanno cercato per decenni di automatizzare questa fase produttiva senza successo. Ma finalmente, utilizzando il machine learning, i progettisti di chip di Google hanno ottenuto risultati in meo di sei ore per un lavoro che prima richiedeva mesi. Come? Il trucco è stato avvicinarsi al processo di progettazione del layout fisico di un chip “sviluppando un’architettura di rete neurale convoluzionale basata su grafi edge-based in grado di apprendere rappresentazioni ricche di dettagli del chip”.

Per arrivare a questo punto, gli ingegneri hanno preistruito un agente utilizzando una serie di 10.000 “planimetrie” di chip. Quindi, utilizzando l’apprendimento per rinforzo (o reinforcement learning), l’agente “impara” dal successo passato per prescrivere i blocchi successivi da impostare: “In ogni fase della pianificazione l’agente addestrato valuta lo stato del chip che viene sviluppato, inclusa la planimetria parziale che ha costruito finora, e quindi applica la strategia appresa per identificare la migliore azione da compiere, ovvero dove posizionare il prossimo macro blocco”. È qualcosa di impressionante e, cosa ancora più sbalorditiva, è un processo attualmente utilizzato in produzione da Google.

Questo mi porta al progetto finale: IBM Uncertainty Quantification 360 (UQ360). Una delle sfide con l’IA è la nostra (non) volontà di fidarci dei suoi risultati. Una cosa è essere guidati dai dati, ma se non ci fidiamo completamente di quei dati o di ciò che la macchina ne farà, diventa impossibile lasciare che l’IA prenda il volante. UQ360 è un “toolkit open source che fornisce ai professionisti e agli sviluppatori di data science l’accesso ad algoritmi all’avanguardia per semplificare il processo di stima, valutazione, miglioramento e comunicazione dell’incertezza dei modelli di machine learning per la trasparenza dell’IA.”

In altre parole, utilizza l’intelligenza artificiale per stimare quanto potete fidarvi di ciò che l’intelligenza artificiale vuole fare. Questo è un grande passo avanti perché dovrebbe generare più fiducia nell’IA che guida sempre più il mondo che ci circonda. Abbiamo passato anni a sentirci dire che i robot stavano prendendo il sopravvento, anche se la nostra esperienza effettiva è quella (ben più triste e limitata) con la pubblicità online, che continua a non riuscire a far corrispondere i nostri interessi con le opportunità di acquisto.

Se questo articolo ti è stato utile, e se vuoi mantenerti sempre aggiornato su cosa succede nell’industria ICT e ai suoi protagonisti, iscriviti alle nostre newsletter:

CWI: notizie e approfondimenti per chi acquista, gestisce e utilizza la tecnologia in azienda
CIO:
approfondimenti e tendenze per chi guida la strategia e il personale IT
Channelworld: notizie e numeri per distributori, rivenditori, system integrator, software house e service provider

Iscriviti ora!