Sarà un 2019 all’insegna del progresso dell’Intelligenza artificiale. Che diventerà più affidabile grazie a strumenti e funzionalità a disposizione dell’industria. Più scalabile grazie all’accelerazione impressa dal quantum computing, più simile all’intelligenza umana grazie all’emergere di modelli casuali.
Sono le previsioni che Ibm rende pubbliche, frutto di un’ampia retrospettiva basata su centinaia di evidenze scientifiche, raccolte dai ricercatori e dagli scienziati che lavorano nei 12 laboratori del gruppo in tutto il mondo.
“Questi progressi scientifici – scrive Ibm – sono alla base della nostra missione di inventare la prossima serie di tecnologie di intelligenza artificiale che ci porteranno dalla Narrow AI di oggi a una nuova era della Broad AI in cui il potenziale della tecnologia potrà essere sbloccato grazie a sviluppatori, adopter a livello aziendale e utenti finali”.
La “Broad AI” sarà caratterizzata dalla capacità di apprendere e ragionare in modo più ampio rispetto ai vari problemi affrontati, di integrare le informazioni da più modalità e domini, presentando al tempo stesso caratteristiche di maggiore “spiegabilità”, sicurezza, equità, verificabilità e scalabilità.
Nel corso di quest’anno sono stati registrati importanti progressi in aree chiave. Tra gli altri, nuovi metodi di Machine Listening Comprehension per argomentare e dibattere su determinati contenuti che consentono alle macchine di capire meglio quando le persone fanno ragionamenti. Ma ancora, un nuovo metodo di apprendimento “rapido” in grado di riconoscere con precisione nuovi oggetti da pochi o addirittura un solo esempio, senza la necessità di informazioni aggiuntive o di etichettare i dati. Come pure un’accelerazione del tempo di addestramento per le reti neurali profonde, un nuovo approccio alla rete neurale.
Sul fronte dell’affidabilità dell’AI Ibm Research ha delineato un nuovo approccio per ridurre la quantità di bias: i dati dell’addestramento vengono trasformati in modo da ridurre al minimo la presenza di pregiudizi, in modo tale che qualsiasi algoritmo di intelligenza artificiale che successivamente imparerà da esso perpetui la minore iniquità possibile. Ancora, è stato superato “l’effetto scatola nera” grazie alla metodologia di machine learning chiamata ProfWeight ed è stata messa a segno la possibilità di anticipare gli attacchi malevoli.
Per l’immediato futuro Ibm prevede che i modelli causali emergeranno sempre più rispetto a quelli basati su correlazioni: “Mentre l’intuizione umana è parte integrante delle nostre azioni e dei nostri giudizi quotidiani – scrive l’azienda -, lo stesso non si può dire per una macchina. La maggior parte dei nostri metodi di AI oggi sono basati fondamentalmente sulla scoperta di correlazioni e mancano di causalità tra fenomeni. I metodi di inferenza causale emergenti ci consentono di dedurre strutture causali dai dati, selezionare in modo efficiente gli interventi per testare le relazioni causali presunte e prendere decisioni migliori sfruttando la conoscenza della struttura causale stessa. Nel 2019, questi miglioramenti nelle tecniche di creazione di modelli causali contribuiranno a far avanzare l’AI di oggi affinché diventi più simile all’intelligenza umana e forniranno un nuovo livello di conoscenza del modello”.
Non solo: un’AI affidabile comincia a rompere l’enigmaticità della scatola nera. “I progressi dell’intelligenza artificiale sono stati rallentati in gran parte perché le persone non si fidano di ciò che percepiscono come un’indecifrabile scatola nera. Quest’anno, un certo numero di organizzazioni ha risposto a questi timori istituendo comitati consultivi sull’etica, applicando l’intelligenza artificiale per il bene sociale e introducendo strumenti e funzionalità che danno alle organizzazioni fiducia nella loro capacità di comprendere e gestire i sistemi di intelligenza artificiale. Nel 2019 – scrive Ibm -, inizieremo a vedere il frutto di queste prime iniziative, mentre esse diventeranno centrali nel modo in cui le aziende costruiscono, addestrano e implementano le tecnologie AI. Si prevede che venga prestata particolare attenzione al trasferimento dei progressi della ricerca in questo spazio in prodotti e piattaforme reali, con un accento sulla promozione della diversità e dell’inclusione nei team tecnici, per fare in modo che molte voci e prospettive orientino il progresso tecnologico”.
Per finire, ruolo di primo piano per il quantum computing che potrebbe accelerare la scalabilità dell’AI: nel 2019 assisteremo a un’accelerazione dell’interesse sia nella ricerca sia nella sperimentazione di sistemi di quantum computing e di come questi potranno giocare, almeno in parte, un ruolo durante la fase di training e esecuzione di modelli di intelligenza artificiale. Un elemento fondamentale degli algoritmi quantistici è nella loro capacità di sfruttare uno spazio rappresentativo e di ricerca esponenzialmente ampio, grazie alle proprietà quantistiche di entanglement e interferenze. Con l’aumentare della complessità dei problemi di intelligenza artificiale, il quantum computing, al quale migliaia di organizzazioni hanno già accesso tramite i servizi di quantum computing nel cloud di IBM, potrebbe cambiare il modo in cui modelliamo i problemi risolti con metodi di AI.
