L’epidemia di COVID-19 ha mostrato al mondo non solo gli effetti di procedure scarsamente strutturate, ha fatto anche intuire cosa si sarebbe potuto fare, con poco sforzo, se avessimo applicato le tecnologie più avanzate. L’analisi di grandi quantità di dati epidemiologici, ad esempio, è un tipico compito che l’intelligenza artificiale (artificial intelligence, o AI) potrebbe assolvere al meglio. Raccogliere dati e renderli fruibili non permetterebbe solo di utilizzarli in applicazioni di machine learning dedicate, ma sarebbe anche un regalo che la nostra generazione potrebbe fare alle successive, che ovviamente avranno a disposizione algoritmi basati sul deep learning sempre più sofisticati.
Deep Learning e reti neurali
Prima del deep learning è necessario comprendere il machine learning, un ambito che, per convenzione, si fa risalire ad Alan Turing ma che ha trovato applicazione reale solo recentemente. Con il machine learning, l’analisi dei dati in senso matematico e statistico è stata completamente rifondata. Grandi quantità di dati vengono ora date in pasto ad algoritmi in grado di creare classificazioni iper dettagliate.
Cosa ancora più importante, librerie software come TensorFlow, Google Cloud, Amazon SageMaker, MATLAB, IBM Watson Studio, Qubole, sono facilmente accessibili da qualsiasi sviluppatore che ha la possibilità di fruire di capacità computazionali senza precedenti. Ciò ha consentito un progresso non solo dal punto di vista esecutivo ma anche decisionale. La comprensione di un’ampia mole di dati a supporto delle decisioni è infatti il nuovo paradigma della tecnologia.
È un processo ancora in fase di evoluzione, ed estremamente affascinante per questo, che, nella storia recente, ha compiuto un passo enorme con l’introduzione, appunto, del deep (machine) learning. Oggi la più promettente avanguardia del machine learning, il deep learning si basa su algoritmi che emulano la struttura neuronale del cervello umano creando reti neurali (neural network). Maggiore è la profondità della rete neurale, migliori saranno i risultati.
La similitudine con l’intelligenza umana non si limita però alla struttura. Come il cervello umano, infatti, anche gli algoritmi di DL hanno bisogno di un processo di apprendimento prima di poter essere in grado di trovare delle soluzioni in maniera autonoma.
Semplificando il meccanismo per una facile comprensione, basti sapere che una certa quantità di dati di addestramento, detti training set, viene data in pasto all’algoritmo, il quale li utilizza per definire al meglio la struttura interna della propria rete. Il paragone con un bambino che apprende è immediato.
Tuttavia, la complessità di tale struttura è direttamente proporzionale alle risorse richieste per il processo di addestramento, e a oggi è ancora lungi dalla complessità e capacità del cervello umano. Ad esempio, se un bambino capisce che un pizzico fa male senza necessità di ripetere l’esperimento, raramente a una rete neurale basterà un solo test.
Per fortuna, grazie alla disponibilità di dati e infrastrutture cloud avanzate, è sempre più facile implementare soluzioni di deep learning. Il vantaggio di un apprendimento tutto sommato lento si palesa nella fase successiva, ossia quella di esecuzione. Le reti neurali addestrate possono esaminare enormi moli di dati e fare confronti su molti più parametri contemporaneamente, a un livello inimmaginabile per il nostro cervello.
Fra i casi noti a tutti, il deep learning ha già trovato applicazione in ambiti come la guida autonoma, l’analisi di immagini per la diagnostica o la videosorveglianza. Si utilizza anche per l’analisi di testi e, più di recente, per scrittura e la composizione musicale (la cosiddetta “generative AI”). I campi di impiego, insomma, sono disparati e in costante aumento.
L’AI nella diagnostica medica
La medicina è l’ambito che più direttamente di ogni altro influisce sul miglioramento della qualità della vita. Non a caso, è proprio qui che l’AI sta facendo enormi passi in avanti. Sistemi basati su intelligenza artificiale stanno offrendo diagnosi più accurate e meno invasive di quelle fornite dai medici.
Oggi, è possibile analizzare automaticamente un numero pressoché infinito di diagnosi e referti medici, estraendo i sintomi descritti e confrontandoli tra loro con una capacità analitica prima inarrivabile. Ovviamente, non si parla di sostituire l’intervento umano ma di affiancarlo e semplificarlo, ad esempio, per ridurre la penetrazione delle malattie, i tempi di ricovero, il numero di morti e altri effetti negativi che abbiamo testimoniato di recente.
Non è un caso che, in Europa, ma non solo, la spinta verso la crescita del deep learning arrivi dalle industrie farmaceutiche, ma è doveroso che tale sforzo vada anche nella direzione di quei paesi e di quelle persone più svantaggiate anziché inseguire il solo profitto.
L’aggiornamento si genera nelle community
Nella ricerca e condivisione della conoscenza, due movimenti paralleli permettono di ottenere risultati sicuramente migliori sia in termini qualitativi sia quantitativi. In questo, il mondo dei developer da tempo sta dando il buon esempio.
Da un lato, si lavora nello spirito dell’open source e dell’open innovation, dove il sapere viene condiviso e messo a fattore comune per accelerare la crescita tecnologica globale. Dall’altro, si crea aggregazione vera e propria che nasce dalla conoscenza e che diventa poi network di relazioni umane e professionali.
Entrambi questi binari, lavorando in parallelo, accelerano la crescita del sapere e della nostra società. Le tech community sono un esempio lampante di tutto ciò poiché pongono la conoscenza al centro di ogni interscambio, allo scopo di arrivare, in molti, là dove non si giungerebbe se la conoscenza rimanesse nelle mani di pochi.
D’altronde, il mondo dello sviluppo informatico e della tecnologia viaggiano a una velocità di gran lunga superiore a quella di altri comparti, e allo stesso tempo sono divenuti il traino di tutto. Se oggi definiamo la nostra società come “liquida” è proprio in funzione delle trasformazioni continue che la tecnologia porta con sé.
Dunque la formazione per chi opera in questo ambito non può più essere un esclusivo fenomeno d’aula. Occorre che prosegua al di fuori e che prenda corpo grazie agli interscambi di sapere. Questo, i developer, lo sanno molto bene e, oggi, far parte di una community di qualità può rappresentare un’occasione formativa quasi equiparabile a un’esperienza lavorativa. Di fatti, gli incontri organizzati delle community hanno due principali valenze: la condivisione della conoscenza e la crescita professionale.
Oltre il deep learning: la Quantum Intelligence
La tecnologia continua ad avanzare a ritmo serrato. Così, mentre ci concentriamo sul presente e sul futuro prossimo con il deep learning, c’è già chi sta costruendo il futuro remoto, ma neanche troppo. Grandi aspettative sono concentrate sul quantum computing, un paradigma di elaborazione che richiede nuovo hardware, nuovi algoritmi e nuove soluzioni.
La caratteristica più stupefacente del quantum computing è la capacità di semplificare enormemente la soluzione di alcuni problemi, riducendone la complessità esponenziale. L’esempio più noto è la determinazione dei fattori di un numero, alla base di tanti problemi di crittografia e su cui si fondano moltissime applicazioni di sicurezza informatica.
L’impiego di algoritmi basati su quantum computing potrebbe portare, un giorno, all’annichilimento di molte soluzioni a cui oggi affidiamo la sicurezza giornaliera dei nostri pagamenti digitali.
Al momento, il limite è infrastrutturale. Il calcolo quantico necessità di hardware specifico altamente potente, al momento non scalabile su vasta scala. Alcune aziende si sono comunque già messe al lavoro con ingenti investimenti. Il suo debutto commerciale è solo questione di tempo, come è stato per ogni tecnologia precedente.
Dal punto di vista degli sviluppatori, in realtà, il “balzo quantico” appare molto più vicino e per nulla fantascientifico. I nuovi algoritmi di deep learning si dimostrano particolarmente adatti a sfruttare il quantum computing su piccoli sistemi dedicati, dal costo ancora fuori mercato ma comunque affrontabile grazie all’apporto di fondi di ricerca e d’investimento.
Prima che ne renderemo conto è possibile che una nuova sorprendente generazione d’intelligenza artificiale si evolva in quantum intelligence, aprendo orizzonti tuttora imperscrutabili nella storia dell’umanità.
