Machine Learning e Intelligenza Artificiale: la quotidianità 4.0?

Machine Learning, Deep Learning, Internet of Things, Industry 4.0: sono solo alcuni dei termini più ricorrenti, discussi e chiacchierati dell’ultimo anno che sono entrati nel vocabolario anche di chi, apparentemente, vero e proprio addetto ai lavori non è.

L’utilizzo di queste parole non è sempre fatto in maniera pertinente, dal momento che gravitano intorno al mondo ben più complesso dell’Artificial Intelligence: tuttavia se stanno comparendo con maggiore frequenza anche nelle conversazioni non “di settore” la causa và attribuita al fatto che è l’Intelligenza Artificiale stessa a trovare sempre nuove applicazioni. Ragion per cui, da argomento di specialisti, ingegneri e ricercatori, è ora diventato un tema che sta penetrando negli ambienti più differenti e disparati citato alla radio, alla TV o in post ed articoli di testate web o cartacee. Non è un caso, ad esempio, che circa un mese fa sia stato presentato da Carlo Calenda, ministro per lo Sviluppo Economico, un piano per l’Industria 4.0 (italianizzazione del termine Industry 4.0, un modo “pop” di chiamare la Quarta Rivoluzione Industriale tuttora in atto) stanziato dallo Stato col fine di colmare un possibile gap e prevenire il digital divide tra imprese sul territorio italiano e mercato estero. Ma queste nuove applicazioni dell’Intelligenza Artificiale non si limitano al campo economico-industriale, ma sono state implementate anche ad applicazioni e strumenti che potremmo utilizzare durante la vita di tutti i giorni e diventre (o già essere) parte della nostra quotidianità.

Google e RankBrain

Principi di apprendimento basati sul Machine Learning sembrerebbeo già implementati all’interno del più popolare ed utilizzato motore di ricerca. Il Google RankBrain è un sistema sviluppato grazie all’utilizzo dell’Intelligenza Artificiale che permette al tempo stesso sia di elaborare le query e le parole chiave più complesse, connettendoci nuovi significati e fornendo agli utenti risultati esaustivi, che di valutare e ordinare con criteri sempre più raffinati i contenuti che andranno a comporre le SERP. Ovviamente penetrare il “dietro le quinte” di Google é quasi impossibile, ma raccogliendo notizie lasciate trapelare dal colosso di Mountain View e interviste e studi di addetti ai lavori, parrebbe che grazie al Machine Learning Google sia in grado di captare un’ampia quantità di segnali selezionati ed utilizzarli come fonte per apprendere ed ordinare.

Sony e Flow Machines 

Dal 1997 è attivo a Parigi il Music Team della Sony Computer Science Laboratory che, concentrandosi sulle informazioni ricavabili dalle innumerevoli sfaccettature dell’interazione e le “descrizioni” plasmabili in ambito musicale, nel corso degli anni hanno conseguito un gran numero di traguardi e riconoscimenti. Non ultimo Flow Machines, un software di Intelligenza Artificiale il cui fine é quello di astrarre uno stile (dal testo alle melodie) da una canzone e utilizzare poi queste informazioni come “materia” per comporne di nuove. È di poco tempo fa la notizia che, grazie a questo sofware siano state rilasciate Daddy’s Car e Mr Shadow, tracce composte grazie alle informazioni ricavate da un database chiamato LSDB, che annovera 13000 canzoni , che sono state infine riarrangiate e prodotte da Benoît Carré che ha selezionato uno stile musicale e ha generato melodie e armonie con il sistema FlowComposer. E, anche se questo può sembrare “solo l’inizio”, già per il 2017 è prevista l’uscita del primo album di AI-pop.

Addfor ed il Deep Learning in Italia 

Nel frattempo anche in Italia qualcosa si sta muovendo. Se il Governo sta varando un piano per gli incentivi legato all’Industria 4.0, ci sono già diverse realtà che stanno facendo parlare di sé. In queste ultime settimane è la torinese Addfor una delle società più interessanti del panorama legato al Machine Learning e all’Intelligenza Artificiale applicata all’Ingegneria. A settembre Addfor ha partecipato in qualità di speaker ad “AI with the Best”, forum di importanza internazionale legato al mondo AI e, pochi giorni fa ha rilasciato un benchmark tra GPU che ha suscitato l’interesse di molti addetti ai lavori.

Addfor ha sottoposto a questo test schede video utilizzate anche nel mondo del gaming come GTX 1080 e Titan X, applicandole però a differenti algoritmi di Deep Learning e librerie come Neon, TensorFlow e Caffé. Questi Deep Learning Benchmarks richiedono condizioni specifiche per essere effettuati dal momento che necessitano di strutture e strumenti adeguati, competenze specifiche e, molto spesso, l’esborso di grosse somme di denaro che non tutti possono affrontare ed é anche per questi motivi che la consultazione di questi dati risulta molto interessante per gli addetti ai lavori che desiderano farsi un’idea delle performance di questi prodotti per valutarne l’acquisto.

Il team di Addfor ha già in programma la pubblicazione di nuovi benchmark; chi fosse interessato a consultarne i risultati o in generale, volesse un approfondimento più tecnico del mondo dell’Intelligenza Artificiale, consigliamo di controllare periodicamente gli aggiornamenti del loro blog e della pagina dei Benchmark.  

Condividi sui social

Articoli correlati

Università

Poesia

Note fuori le righe