Come iniziare con l'apprendimento automatico e l'intelligenza artificiale

Matt Ford - 22 giugno 2022 13:00 UTC

Negli anni ’50, agli albori di quella che oggi chiamiamo intelligenza artificiale, si discuteva su come chiamare questo campo. Herbert Simon, co-sviluppatore sia della macchina della teoria logica che del General Problem Solver, sostenne che il campo dovrebbe avere il nome molto più anodino di "elaborazione complessa delle informazioni". Ciò certamente non ispira lo stupore suscitato dall’“intelligenza artificiale”, né trasmette l’idea che le macchine possano pensare come gli esseri umani.

Tuttavia, "elaborazione complessa delle informazioni" è una descrizione molto migliore di ciò che è effettivamente l'intelligenza artificiale: analizzare complessi set di dati e tentare di trarre inferenze dalla pila. Alcuni esempi moderni di intelligenza artificiale includono il riconoscimento vocale (sotto forma di assistenti virtuali come Siri o Alexa) e sistemi che determinano cosa c'è in una fotografia o consigliano cosa acquistare o guardare dopo. Nessuno di questi esempi è paragonabile all’intelligenza umana, ma dimostrano che possiamo fare cose straordinarie con una sufficiente elaborazione delle informazioni.

Che ci riferiamo a questo campo come “elaborazione complessa delle informazioni” o “intelligenza artificiale” (o il più minacciosamente “apprendimento automatico” che suona Skynet) è irrilevante. Un'enorme quantità di lavoro e ingegno umano è stata spesa per creare alcune applicazioni assolutamente incredibili. Ad esempio, guarda GPT-3, un modello di deep learning per i linguaggi naturali in grado di generare testo indistinguibile dal testo scritto da una persona (ma può anche andare storto in modo esilarante). È supportato da un modello di rete neurale che utilizza più di 170 miliardi di parametri per modellare il linguaggio umano.

Costruito sopra GPT-3 è lo strumento denominato Dall-E, che produrrà un'immagine di qualsiasi cosa fantastica richiesta da un utente. La versione aggiornata 2022 dello strumento, Dall-E 2, ti consente di andare ancora oltre, poiché può "comprendere" stili e concetti piuttosto astratti. Ad esempio, chiedendo a Dall-E di visualizzare "un astronauta a cavallo nello stile di Andy Warhol" produrrà una serie di immagini come questa:

Dall-E 2 non effettua una ricerca su Google per trovare un'immagine simile; crea un'immagine basata sul suo modello interno. Questa è una nuova immagine costruita solo con la matematica.

Non tutte le applicazioni dell’intelligenza artificiale sono così rivoluzionarie come queste. L’intelligenza artificiale e l’apprendimento automatico stanno trovando impiego in quasi tutti i settori. L’apprendimento automatico sta rapidamente diventando un must in molti settori, alimentando qualsiasi cosa, dai motori di raccomandazione nel settore della vendita al dettaglio alla sicurezza delle condutture nel settore petrolifero e del gas, fino alla diagnosi e alla privacy dei pazienti nel settore sanitario. Non tutte le aziende hanno le risorse per creare strumenti come Dall-E da zero, quindi c'è molta richiesta di set di strumenti convenienti e raggiungibili. La sfida di soddisfare tale domanda ha parallelismi con gli albori dell’informatica aziendale, quando i computer e i programmi informatici stavano rapidamente diventando la tecnologia di cui le aziende avevano bisogno. Anche se non tutti hanno bisogno di sviluppare il prossimo linguaggio di programmazione o sistema operativo, molte aziende vogliono sfruttare la potenza di questi nuovi campi di studio e hanno bisogno di strumenti simili che li aiutino.