È diventata operativa Machine Learning Solutions, la startup innovativa creata a seguito della collaborazione tra Teleskill, azienda di innovazione digitale guidata da Emanuele Pucci, e il prof. Massimo Panella, docente di Elettrotecnica e di Intelligenza Computazionale presso il Dipartimento di Ingegneria dell’Informazione, Elettronica e Telecomunicazioni dell’Università di Roma “La Sapienza”.
Il machine learning è oggi un tema sempre più interessante per le aziende ed è proprio a questo mercato che Machine Learning Solutions si rivolge con il fine di migliorare in modo rilevante le performance delle imprese.
In un’epoca in cui si parla tanto di collaborazione tra atenei e aziende, Machine Learning Solutions è un esempio virtuoso di quanto possa essere positiva questa modalità. Il prof. Panella realizza all’interno del suo Dipartimento la parte di ricerca, mentre Teleskill si occupa da sempre della fase di sviluppo. Ricerca e Sviluppo, attività da sempre molto curate in Teleskill, hanno così raggiunto una sintesi, anche imprenditoriale, con la creazione della start up innovativa Machine Learning Solutions.
La società nasce nell’ambito del progetto “New Machine Learning Solutions for Data Mining and Multimedia Signal Processing”, per l’Avviso Pubblico POR FESR Lazio 2014-2020 “Pre-seed Spin Off” in cui Machine Learning Solutions è risultata una delle aziende vincitrici. Sulla scia di queste attività progettuali, e dello sviluppo delle applicazioni di riconoscimento biometrico e intelligenza artificiale, Machine Learning Solutions ha avviato quindi sin da subito un’attività di diversificazione aziendale.
“Il machine learning – ha commentato Emanuele Pucci, cofondatore della start up innovativa – sta emergendo velocemente e interessa un sempre maggior numero di soggetti. L’obiettivo primario di Machine Learning Solutions è fornire servizi innovativi, basati sul paradigma del machine learning, tramite attività di ricerca, sviluppo e consulenza personalizzata caso per caso. Teleskill ha ormai un’esperienza ventennale nel settore e-learning e, da parte mia, vedo concrete possibilità di sviluppo in quest’area. Il machine learning applicato all’e-learning ne ampia enormemente l’efficacia permettendo, ma sono solo alcuni esempi, di creare formazione personalizzata per individuo o per gruppi, di migliorare l’offerta formativa customizzandola in tempo reale sull’utente e sui suoi comportamenti e azioni, di migliorare la learning retention, di prevedere i singoli gap formativi degli utenti, di analizzare in modo automatico ed adattivo i dati di fruizione e i risultati formativi in genere, di studiare il comportamento durante un collegamento in videoconferenza live o la fruizione di un learning object, di applicare logiche di deep learning con ad esempio lo speech recognition e quindi di massimizzare l’efficacia dell’apprendimento e l’ottimizzazione delle risorse formative da fornire al singolo discente e quindi il tempo per formarsi, aumentando di fatto il ROI del progetto e-learning. Sono convinto inoltre che applicare logiche di machine learning in percorsi formativi possa far aumentare molto anche la motivazione (engagement) di chi studia in quanto vengono somministrati programmi formativi personalizzati e non generici.”
Il machine learning è rapidamente diventato strategico per le imprese italiane interessate a innovazione di prodotto e di processo al tempo di Industria 4.0. Di grande interesse sono anche i settori applicativi delle tecnologie progettate: sicurezza; multimedialità; logistica e mobilità sostenibile; gestione dell’energia e delle fonti rinnovabili; sanità elettronica e telemedicina; domotica; fruizione e valorizzazione dei beni e attività culturali.
“Machine Learning Solutions – ha dichiarato Massimo Panella, cofondatore della società – svilupperà nuove tecnologie su tre aree principali: riconoscimento biometrico e comportamentale; Pattern Recognition e Data Mining; Data Analytics e Decision Support System.
Il riconoscimento biometrico garantisce la certezza dell’identità del discente ed è una caratteristica sempre più richiesta in molti ambiti, non solo nel settore educational. Inoltre il riconoscimento comportamentale (behavioural analysis) attiene alle analisi delle sue reazioni durante l’evento formativo sia in corsi registrati che in diretta live. Più in concreto, si tratta di avere informazioni in tempo reale sul livello di attenzione e il grado di apprendimento che si va concretizzando durante l’attività di formazione online. Questa sfida si basa sulla realizzazione di algoritmi innovativi per l’elaborazione intelligente dei flussi multimediali audio/video e l’estrazione d’informazioni mediante tecniche di pattern recognition e data mining. Questi algoritmi saranno peraltro sviluppati da Machine Learning Solutions anche in altri campi applicativi, come per esempio quello ingegneristico, biomedico o sociale, utilizzando l’esperienza ventennale nella ricerca sulle reti neurali artificiali e, più in generale, sui sistemi di calcolo a imitazione biologica.
Per quanto riguarda la terza area, si tratta di sviluppare sistemi per l’analisi dei dati, l’estrazione di contenuti informativi di alto livello e la realizzazione di sistemi di supporto alle decisioni nei contesti dove i segnali e soprattutto i Big Data derivano da molteplici sorgenti informative distribuite nello spazio e nel tempo, come nel caso delle reti di sensori, delle smart grid, dell’Internet-of-Things (IoT), dei mercati finanziari, dei dati biomedicali, delle reti veicolari, del crowdsourcing, della multimedialità”.
