Cosa hanno in comune un gioco che riconosce gli oggetti mentre li disegnate, una mappa interattiva che cataloga e presenta le opere d’arte in base alle loro somiglianze e un software dedicato alla cernita di cetrioli? Sono tutte applicazioni del machine learning.
Il machine learning è una categoria della scienza informatica che dà ai computer l’abilità di imparare senza che siano stati esplicitamente programmati. Con il machine learning si prendono degli esempi, si estraggono i “pattern” e li si utilizza per fare previsioni su nuovi esempi. Si tratta di un’applicazione dell’intelligenza artificiale. Ed è l’argomento trattato da David Singleton, VP di Engineering presso Google a Londra, nel suo intervento di apertura al Festival dei Leoni di Cannes 2017.
Agli albori dell’era informatica il software corrispondeva a 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.
Qualche mese fa sicuramente vi sarete ritrovati anche voi a disegnare con poche e semplici linee un bus, una borsa, un piede, o degli oggetti simili, cercando di far indovinare l’oggetto in questione a un computer in meno di 20 secondi. Si tratta di Google Quick, Draw!, un A.I. Experiment in grado di imparare a riconoscere gli oggetti grazie al contributo di più di 15 milioni di giocatori e altrettanti milioni di disegni.
La stessa tecnologia è stata impiegata da Google anche per realizzare AutoDraw. Ricordate quando da ragazzini abbozzavate le prime sagome su Paint? AutoDraw è una sua versione avanzata, un tool di grafica che riconosce gli oggetti mentre l’utente li disegna e propone le illustrazioni corrispondenti, per realizzare facilmente delle veloci composizioni.
T-SNE Map è una mappa interattiva in 3D che, grazie al machine learning, classifica e organizza migliaia di opere d’arte basandosi sulle similarità visive. In questo caso gli algoritmi analizzano l’immagine e trovano autonomamente la sua collocazione nella mappa.
Le applicazioni del machine learning sono davvero moltissime. In Giappone questa tecnologia (nello specifico TensorFlow, una libreria di machine learning open source) è stata impiegata da un agricoltore per creare una macchina in grado di selezionare i cetrioli migliori del raccolto: diritti, spessi, dai colori vivaci. Grazie a un sistema di riconoscimento visivo, Makoto Koike ha potuto affidare a una macchina un processo lungo e ripetitivo come la cernita dei propri prodotti appena raccolti.
Perspective, nata in collaborazione con il New York Times all’interno dell’incubatore di Google chiamato Jigsaw, sfrutta il machine learning per analizzare i commenti degli utenti, assegnare loro un punteggio di “tossicità” e migliorare le conversazioni online, limitando i commenti più offensivi e rendendo ogni dibattito più inclusivo e partecipativo. Nel sito dedicato potete anche scrivere il vostro personale commento e controllare il suo tasso di tossicità. Buon divertimento.
Una delle campagne italiane più premiate a Cannes quest’anno è Chat Yourself, un chatbot ideato da Y&R Italia e sviluppato da nextopera per Italia Longeva, destinato ai malati di Alzheimer nella prima fase della malattia. Chattando con se stessi, i malati possono così ricordare informazioni fondamentali della propria vita. Per adesso Chat Yourself è un chatbot fruibile attraverso Facebook Messenger e, affinché il software possa apprendere le abitudini del malato, è necessario rispondere a una lista di domande.
Nulla esclude che, grazie al machine learning, bot come questi in un futuro molto vicino possano diventare degli assistenti virtuali autonomi e dinamici, con una propria intelligenza, in grado di acquisire informazioni dalle nostre azioni online e supportarci nelle nostre scelte quotidiane.
Se volete approfondire l’argomento, qui potete trovare l’articolo completo di David Singleton.
