Ogni promessa è debito. Noi ci crediamo oltremodo. Ed eccoci quindi di nuovo qui, proponendoci di dare avvio all’analisi nonché, ci auguriamo, ad un profittevole overlook sul tema più inflazionato del mondo digital – tecnologico: il Deep Learning.
Ci siamo salutati ripercorrendo brevemente – e per sommi capi – quella che è stata la nascita e la storia di questo affascinante tema, pregno di innumerevoli (nonché oltremodo mutevoli) scenari e contestuali applicazioni. Avendolo auspicabilmente collocato correttamente nel tempo, vogliamo oggi andare oltre e provare a comprendere meglio gli elementi cardine della… Mente meccanica, Anno Domini 2018. Al cuore, dunque. ☺
Deep Learning: analisi, scenari, applicazioni
Ricordate tutti l’annosa definizione di Deep Learning, corretto? Quick recap: Il Deep Learning, aka Apprendimento Approfondito – o se vogliamo branca estensiva del core concept dell’Artificial Intelligence e dei Big Data – definisce il sistema algoritmico di Machine Learning basato su livelli di astrazione, in grado di favorire l’apprendimento della Macchina dall’esperienza precedente, ovvero dall’analisi statistica dei dati ad essa sottoposti per dato caso (input-output system).Tagliando via qualche ostico rametto pungente dalle nozioni statistico-computazionali, diciamo più semplicemente che il Deep Learning è la capacità – acquisita per azione dell’Uomo – della Macchina di apprendere dalla propria esperienza, nonché di restituire risultati apprezzabilmente… “Personali”.
Ma, esattamente, come avviene tutto ciò? Quali sono i cardini di questa incredibile somiglianza, nell’atto di apprendere, della Macchina alla Specie Umana?
Come tutti sappiamo, alla base del ragionamento – così come dell’essere stesso – di un Uomo ci sono i neuroni. Essi rappresentano per noi Uomini l’essenza primaria di ciò che siamo, di come reagiamo alla realtà che ci circonda, di come interpretiamo gli eventi che viviamo, di come… Leggiamo il mondo.
Ebbene, alla base dell’Apprendimento Approfondito troviamo esattamente lo stesso elemento (per meglio dire, la sua riproduzione fedele, solo in sistema binario…): la Rete Neurale Artificiale.
Perché il raggio d’azione della Macchina che studia ci sia davvero chiaro, è necessario quindi comprendere appieno il concetto di Rete Neurale.
La Rete Neurale. Come la Macchina costruisce se stessa
Oramai è fatto assai noto come la Machine – per quanto “si sforzi” – presenti delle caratteristiche altamente limitanti per quanto concerne il suo scopo ultimo, ovverosia la riproduzione corretta delle azioni (o REazioni…) dell’Uomo. Questo è oramai lapalissiano in casa di tutti coloro che si impegnano, oggidì, nella Ricerca sull’ AI, così come sul suo potenziale futuro. Questo futuro, in casa dei Ricercatori attivi, prende invece forma e acquisisce forza sull’unica via concretamente percorribile: la Machine non riesce ad emulare l’Uomo precisamente in quei campi dello scibile in cui egli è – e abbiamo regione di credere che vi resterà per sempre – unico: Creatività, Emozioni, Compassione, Critical Thinking. Per contro, è parimenti impensabile, per i Ricercatori in campo IT, un futuro senza quella caratteristica per cui la Macchina è – e, anche qui, presumibilmente lo resterà per sempre – oggettivamente superiore: l’analisi e il recording dei Signori… Big Data.
Presto inteso, quindi, come la sussistenza dei due Brain System (Umano e Artificiale…) rappresenti una reale conquista solo ed esclusivamente in termini di azione sinergica e strategicamente ben strutturata dei due.
In altre parole, una strategia d’impiego di AI in azienda che escluda uno dei due “Brain” è, ad oggi, sensibilmente fallimentare. Ad oggi, sì. In effetti, non ci sentiamo di escludere in toto nessuna sfumatura e nessun tratto caratterizzante dall’evoluzione futura della Macchina. Ad esempio, da quando Google dispone dell’immane mole di dati contenuti nel Cluster di Google Books, gli esperimenti – inizialmente fallimentari – sulla Macchina che scrive Romanzi in autonomia hanno avuto un’evoluzione folle; in onestà intellettuale, bisogna ammettere che oggi qualche riga della Machine Author è innegabilmente comparabile a qualche pezzo letterario d’umana penna… Questo, naturalmente, detto tra noi… In onestà intellettuale. ☺
Bisogna altresì ammettere che il chatbot (sempre figlio di Babbo Google) in grado di prenotare ristoranti e visite mediche, un’aura di “sostituzione coatta dell’azione umana” la emana eccome…
https://www.youtube.com/watch?time_continue=9&v=rmCeI_3ehMo
Siamo oggi tangibilmente invasi dalle miglorìe continue che la Macchina apporta quotidianamente al proprio learning system, tanto da aver raggiunto e coinvolto finanche quelle parti di universo che noi Umani tendiamo generalmente a porre ad una certa distanza dal sitema-tecnologia; siamo, per inciso, al punto in cui probabilmente persino il Management dell’Archivio Vaticano prevede di affidare il preziosissimo Sacro Scibile e i suoi relativi dati ad una tecnologia di AI. Ecco perché…
“Non possiamo, non vogliamo e non dobbiamo” escludere nessuno tra i possibili scenari dell’AI del futuro; tanto più continueremo a sottoporre dati per il nostro studio, tanto più la Macchina ne tratterrà – studiandoci e scrutandoci a sua volta, al fine di emularci – restituendo forme di apprendimento basate precisamente sui suddetti dati.
Non escludiamo nulla, dunque, ma studiamo tutto. Sempre. ☺
Dopo questo rapido percorso sugli ultimissimi scenari, torniamo alle nostre Reti Neurali Artificali.
La Rete Neurale Artificiale rappresenta il cuore del Deep Learning, ed è precisamente l’elemento cardine di come una Macchina possa raggiungere concretamente i su citati risultati. Come detto, è attualmente impossibile che un sistema algoritmico biologicamente ispirato alla mente umana possa restituire il risultato auspicato. Pensiamo ad un semplice esempio. Quando diamo un comando vocale alla Macchina (provate, ora. Ok Google… ☺), abbiamo ancora la certezza pressoché matematica che questa non avrà percepito né il nostro tono di voce, tantomeno ciò che in gergo digital si definisce “sentiment”, ovverosia il sentito, la carica emozionale, l’intenzione con cui operiamo il comando in questione. Può ricevere il nostro messaggio, decodificarlo correttamente nonché associarvi un’efficientissima azione risolutiva… Ma non è in grado di leggere il nostro “how”. Non sa se mentre effettuiamo la richiesta siamo contriti, felici, annoiati… Niente di niente, su questo fronte. Un algoritmo sequenziale (o Rete Neurale Artificiale) non è, ad oggi, in grado di fornire il giusto supporto per la decodifica d’un input di tale livello di sofisticazione (il livello Umano…). Per questa ragione – nel campo della Ricerca su AI – si tende ancora oggi a far sussistere la dicotomìa IA Debole e IA Forte.
Fintanto che la Macchina non raggiungerà un modello di sofisticazione algoritmica biologicamente ispirato all’Uomo, non sarà in grado di… Leggerci correttamente.
Neurone VS Rete Neurale Artificiale
Come detto in apertura, il neurone rappresenta per l’Uomo il cardine della vita, del “sentire”. Una singola cellula in grado di veicolare innumerevoli informazioni, traguardandole con precisione chirurgica in quella che è concretamente la più complessa Rete esistente al mondo: il Sistema Nervoso Umano.
Ne possediamo tutti oltre 100 miliardi, ed è attraverso questi abili vettori che… “Significhiamo” qualcosa e che l’ambiente esterno “significa” qualcosa per noi. Per questa ragione il neurone umano (così come il sistema nervoso) è ad oggi il paradigma computazionale che definisce il Deep Learning.
Il funzionamento della Rete Neurale consta fattivamente dell’imitazione pedissequa del Sistema Nervoso Umano. Effettivamente, in campo AI ci si interroga alacremente su quanto sia effettivamente impiegata la logica, nel sistema-apprendimento … Ed è proprio su questo punto che l’intero assunto s’impernia in maniera totale. In regime di Rete Neurale Artificiale, infatti, il Programmatore opera un’azione di immissione dati basata su un’esperienza sottoposta ad analisi, dalla quale si attende un ritorno d’informazioni correlate all’esempio che egli stesso ha fornito, ma con carattere oggettivo d’originalità in uscita. In altre parole, è un po’ come quando da neonati sorridiamo inconsapevoli alla mamma che ci sorride… Nessuno di noi ha ricevuto una “formazione” propriamente detta per poterla riconoscere, ma mai esperienza umana convertita in “sapere” fu tanto tangibile come in questi casi… Convenite?
Possiamo quindi sommariamente dichiarare – e ammettere – che l’apprendimento possa avvenire anche in regime di… Assenza di logica apparente. Come noi uomini costruiamo e basiamo il nostro sorriso inconsapevole alla mamma sulla nostra esperienza (è pressoché l’unica a darci da mangiare…), così la Macchina “deduce” il livello successivo da raggiungere da un banalissimo sistema input-output.
Questo è precisamente il core del Deep Learning: l’apprendimento, in assenza di azione sul codice.
La Rete Neurale apprende dall’esperienza, dai dati immessi, costruendo (e restituendo) livelli ed architetture gerarchicamente avanzati. In regime di Deep Learning, i PC non vengono programmati, ma “addestrati” (Apprendimento Supervisionato).
Deep Learning. Principali Applicazioni. Anno Domini 2018.
Com’è oramai noto, il campo del Digital Learning abbraccia oggi di buon grado la Ricerca e lo Studio continuo di questi meravigliosi mezzi, proprio per l’oggettiva migliorìa che essi sono in grado di apportare nella vita dei discenti, soprattutto in termini di learning experience. Inutile sottolineare ancora il valore aggiunto, nonché oggettivo, che un piano di formazione ben studiato in regime di AI possa rappresentare, quando inserito nei ritmi sempre più incalzanti dell’Era Moderna. E’ altrettanto vero, inoltre, che la formazione aziendale (così come in Store e nel Retail Market) necessita – oggi come mai prima – di un altissimo grado di attenzione da parte del Management, in assenza del quale si rischia di impattare in malo modo con la Digital Transformation (ma, più in generale, con la complessità endemica che il workplace concept sta raggiungendo negli ultimi anni), fino a rischiare di… Subirla passivamente, finanche di restarne fuori.
Eh già. Il sistema Digital è senza meno meritocratico, ma non ammette ignoranza.
Di seguito, ecco i settori – oltre al L&D System – in cui il Deep Learning sta raggiungendo un’applicazione sempre più sofisticata, nonché risultati davvero eccellenti:
- Guida Autonoma. I ricercatori impiegano oggi il Deep Learning per la rilevazione di segnali stradali e oggetti, nonché dei pedoni. Questo ha ridotto di molto gli incidenti stradali.
- Aerospace Sector e Difesa. La tecnologia del Deep Learning è qui impiegata per la rilevazione da Satellite delle aree poste in sicurezza per la mobilità delle truppe (Safety Area Detection).
- Ricerca Medica e Biomedica. E’ oggi “nelle mani” di una tecnologia di Deep Learning forse la più grande delle sfide del nostro secolo: la lotta contro il Cancro. Essa è impiegata in maniera estremamente profittevole nella rilevazione delle cellule tumorali, e pare proprio non avere eguali in tal senso. Grazie, Sir Deep Learning. ☺
- Automation in Azienda. E’ il Deep Learning a porre in sicurezza tutti quegli operai che utilizzano macchinari di grosse dimensioni. La Macchina riesce oggi a salvare innumerevoli vite, rilevando la presenza dell’Uomo quando troppo prossima alla Macchina. Ancora, grazie.
- Elettronica. Qui, il Deep Learning trova maggiore impiego nel riconoscimento – e contestuale decodifica – dei comandi vocali e uditivi. Ad esempio, tutti i dispositivi domestici a comando vocale sono oggi in regime di Deep Learning.
Queste sono solo alcune tra le applicazioni di successo del Deep Learning , ma non possiamo certo dire che sia tutto qui… “Per avere ragione del Mostro, bisogna imparare a ragionare come lui.”
Per questo, eternamente studenti, non possiamo che invitarvi a restare con noi… ☺
A presto, sempre qui.
#neverstoplearning
