“L’intelligenza artificiale è un bambino che deve imparare. Noi impariamo in diversi modi: per alcune cose i genitori o gli educatori ci dicono cosa è giusto e cosa è sbagliato, in altri casi il modo migliore per imparare a fare qualcosa è proprio farla. È come andare in bicicletta. Lo stesso approccio può essere trasportato nell’ambito dell’intelligenza artificiale con gli addestramenti supervisionati e il reinforcement learning”. Lo ha detto Walter Riviera, AI Specialist di Intel in Europa, Medio Oriente e Africa.
“Si può facilmente vedere il reinforcement learning – ha sottolineato – applicato nel mondo delle macchine a guida autonoma. Non posso insegnare a priori a un’auto tutto ciò che vedrà in strada, perché c’è una moltitudine di oggetti che è impossibile codificare prima.
Come si fa, quindi, a insegnare a una macchina a guidare? Attraverso processi di simulazione diamo all’auto un’azione da compiere e un obiettivo, ovvero rimanere tra le righe, che verrà premiato – ha spiegato – ogni volta che indovinerà la scelta giusta. Più l’auto starà tra le righe, più il punteggio verrà incrementato e capirà che è il comportamento giusto da tenere”.
In tema di intelligenza artificiale, Riviera si è soffermato anche sull’attività della sua azienda e sulle prospettive future. “Intel già a partire dalla fine del 2017 – ha affermato – non si definisce più una Cpu centric company ma una data centric company, proprio per abbracciare tutte le attività che vanno dall’estrazione o dalla collezione dei dati fino all’implementazione di algoritmi intelligenti che ne possano sfruttare l’informazione contenuta. C’è questo doppio sforzo: continuare a fornire tecnologia, quindi silicio, processori, memorie e hard disk, e l’impegno a fornire educazione e tutto ciò che riguarda la data revolution”.
Il silicio tra qualche anno sarà un ricordo. Ma cosa ci sarà al suo posto? “Noi abbiamo lab sempre attivi dal punto di vista della ricerca. Nessuno può sapere cosa destinerà il futuro – ha detto -, però quello che possiamo garantire è il massimo impegno nel continuare a fornire tecnologia di alta qualità”.
C’è poi anche il tema dell’apprendimento federato. “È un argomento che ho molto a cuore – ha spiegato – e indirizza il problema dell’accesso ai dati. Pensiamo, per esempio, a quelli negli ospedali: sarebbe stupendo se tutti gli ospedali del mondo potessero collaborare per far fronte alla situazione tragica della pandemia”.
“Il problema – ha continuato – è che se da un lato abbiamo la tecnologia per addestrare un modello e abbiamo i dati, dall’altro ci sono giustamente leggi in loco che limitano l’accesso ai dati sensibili. Come si fa a sfruttare il potere informativo di questi dati mantenendo il rispetto della legge? Con il federated learning, attraverso il quale i dati rimangono dove sono stati generati e dove i proprietari risiedono, mentre l’unica cosa che viene scambiata è il modello”.
