Intelligenza Artificiale e Machine Learning sono due tra i maggiori motori evolutivi della macchina di Amazon. Cosi Jeff Bezos e anche Werner Vogels, CTO di AWS spiegano come e cosa sta cambiando grazie a queste nuove piattaforme tecnologiche con un occhio agli ambiti applicativi
Amazon Intelligenza Artificiale e Machine Learning, un intreccio sempre più stretto, strategico, vitale per il destino della multinazionale americana. Del resto gli investimenti e gli strumenti lanciati in ambito chatbot Amazon, tanto per dire, sono noti e profondi. Ma c’è ora molto di più, c’è la sensazione di un nuovo decisivo cambio di passo nelle strategie e nell’esecuzione di Amazon… e sono gli uomini chiave della società in persona a raccontarlo.
«È una rinascita, è un’era d’oro. Stiamo risolvendo i problemi con il Machine Learning e l’Intelligenza Artificiale, che, fino a qualche anno fa vivevano solo nel regno della fantascienza. Siamo nel pieno di una svolta epocale».
Diretto, preciso ed evidentemente entusiasta è lo stesso Jeff Bezos ad essersi esposto, di recente, in prima persona sul tema Amazon Intelligenza Artificiale. Il manager, che vedete in questo video, è stato infatti intervistato da Michael Beckerman, amministratore delegato di Internet Association e ha rilasciato importanti dichiarazioni, visioni su temi chiave come chatbot Amazon, Amazon Intelligenza Artificiale e tutte le derive che il colosso tecnologico e retail intende seguire.
Amazon Intelligenza Artificiale, da Alexa a Echo… «Ma è solo la superficie»
«Il machine learning e l’AI sono uno strato di abilitante orizzontale. Questo vuol dire che potenzieranno e miglioreranno ogni impresa, ogni organizzazione governativa – ha spiegato Bezos – fondamentalmente non esiste un’istituzione al mondo che non possa essere migliorata con il Machine Learning. In Amazon, alcune delle cose che stiamo facendo sono visibili solo superficialmente e sono interessanti, sono cool. Sto pensando a cose come Alexa e Echo, il nostro assistente vocale, sto pensando ai nostri droni autonomi di Prime Air delivery. Questi strumenti usano una enorme quantità di machine learning, sistemi di machine vision, sistemi di comprensione del linguaggio e un sacco di altre tecniche. Ma questi sono solo gli strumenti e gli effetti più vistosi. Buona parte del valore che stiamo ottenendo dall’applicazione del machine learning sta realmente accadendo sotto la superficie. Parlo di un potenziamento del motore di ricerca senza precedenti. Parlo del miglioramento delle raccomandazioni sui prodotti per i clienti. Parlo di un incredibile miglioramento nella previsione per la gestione delle scorte»
Machine Learning, Intelligenza Artificiale e AWS, Amazon Web Services
E’ dunque il cuore stesso di Amazon che sta cambiando sotto la spinta delle accelerazioni dirompenti dell’Intelligenza Artificiale, al di là delle sue espressioni più vistose. Un cuore che sta evolvendo grazie soprattutto al lavoro di ricerca, sviluppo che avviene all’interno di AWS Amazon Web Services, la piattaforma di servizi cloud che offre potenza di elaborazione, storage di database, distribuzione dei contenuti e altre funzionalità…
«La cosa più emozionante a cui penso stiamo lavorando in ambito Machine Learning – ha infatti spiegato Bezos – è che, attraverso Amazon Web Services (in cui i nostri clienti sono società e sviluppatori di software) intendiamo rendere queste tecniche avanzate accessibili a ogni organizzazione, a prescindere dalle loro competenze. In questo momento, la diffusione di questi strumenti e la possibilità di utilizzarli per risolvere i problemi della propria azienda è difficile. Ci vuole molta esperienza, competenza e per averle devi competere per i migliori dottorandi in materia di machine learning, cosa per nulla scontata. Grazie al successo di Amazon Web Services siamo nella posizione ideale per poter rendere simili strumenti più semplici e soprattutto accessibili.
Werner Vogels, Amazon Web Services, «Intelligenza Artificiale e Machine Learning, è il tempo della svolta, ecco perché»
Detto fatto, a distanza di pochi mesi dalle dichiarazioni di Bezos, è lo stesso guru della multinazionale americana a cogliere l’assist e a spiegare, di suo pugno, gli ambiti applicativi, i casi e i vantaggi concreti che il Machine Learning è in grado di portare, subito, alle imprese.
«Spesso – scrive in una lunga lettera Werner Vogels, CTO di AWS – si riesce a determinare solo a posteriori il momento in cui una tecnologia arriva al punto di svolta. Nel caso dell’Intelligenza Artificiale e del machine learning , invece, è diverso. Il machine learning è quella parte dell’intelligenza artificiale che descrive le regole e riconosce i pattern da grandi quantità di dati, in modo da prevedere i dati futuri. Entrambe le idee sono virtualmente onnipresenti e in cima alle classifiche dei termini più alla moda.
Personalmente penso (e questo è chiaramente legato alla crescita di AI e ML) che non ci sia mai stato un momento migliore di oggi per sviluppare applicazioni smart e usarle. Per quale ragione? Perché stanno accadendo tre cose. Primo: gli utenti di tutto il mondo stanno registrando dati in modo digitale, sia nel mondo fisico tramite sensori o GPS, sia online attraverso dati clickstream. Il risultato è quindi la disponibilità di una massa critica di dati. Secondo: c’è abbastanza capacità di computing disponibile sul cloud per le aziende, indipendentemente dalla loro dimensione, per utilizzare applicazioni intelligenti. Terzo: c’è una “rivoluzione algoritmica”, cioè è ora possibile allenare miliardi e miliardi di algoritmi simultaneamente, rendendo l’intero processo di machine learning molto più veloce. Questo ha reso possibile una ricerca maggiore, che ha quindi consentito di raggiungere la “massa critica” nella conoscenza necessaria per iniziare una crescita esponenziale nello sviluppo di nuovi algoritmi e architetture».
Intelligenza artificiale e machine learning la svolta dopo anni in sordina
«Se è vero che abbiamo compiuto una strada relativamente lunga con l’AI, si tratta di un processo che ha avuto luogo in sordina. Dopotutto, negli ultimi 50 anni, intelligenza artificiale e machine learning sono stati accessibili solo a un gruppo ristretto di ricercatori e scienziati. Questo oggi sta cambiando, grazie a una quantità di servizi, framework e tool di AI e ML disponibili per qualsiasi tipo di azienda, incluse quelle che non hanno team di ricerca dedicati in questo ambito. I management consultant di McKinsey si aspettano che il mercato globale per servizi, software e hardware basati su AI cresceranno ogni anno del 15-25%, per raggiungere un volume di circa 130 miliardi di dollari entro il 2025. Numerose startup stanno usando algoritmi di AI per qualsiasi cosa immaginabile: per cercare tumori all’interno di immagini mediche, per aiutare le persone a imparare le lingue straniere o per automatizzare la gestione dei reclami delle compagnie assicurative. Allo stesso tempo, si stanno creando categorie completamente nuove di applicazioni laddove una conversazione naturale tra uomo e macchina è sotto i riflettori».
Il progresso attraverso il machine learning
«Tutto il parlare che si fa su AI Intelligenza Artificiale e ML Machine Learning è davvero giustificato? Si, perché AI e ML offrono alle aziende e alla società possibilità affascinanti. Con l’aiuto della digitalizzazione e dei computer ad alte prestazioni, siamo in grado di replicare l’intelligenza umana in alcune aree (come la visione artificiale), e addirittura superarla. Stiamo creando diversi algoritmi per una ampia gamma di aree di applicazione e stiamo trasformando queste singole parti in servizi, così che il ML sia disponibile per tutti. Inserito nelle applicazioni e nei modelli di business, il machine learning può rendere la nostra vita più piacevole o sicura. Prendiamo per esempio la guida autonoma: il 90% degli incidenti stradali negli Stati Uniti possono essere ricondotti all’errore umano. Si presume quindi che, se le auto saranno guidate in modo autonomo, il numero di incidenti sul lungo termine diminuirà. Nel campo dell’aviazione, ad esempio, questo accade già da molto tempo.
I pionieri del MIT (Massachusetts Institute of Technology) Erik Brynjolfsson e Andrew McAfee prevedono che l’effetto macroeconomico della cosiddetta “seconda era delle macchine” sarà paragonabile a quello scatenato dal motore a vapore quando ha sostituito la forza lavoro umana (“prima era delle macchine”). Molti sono a disagio all’idea che esista un’intelligenza artificiale accanto a quella umana, il che è comprensibile. È necessario quindi parlare – insieme agli sviluppi tecnologici – di come l’intelligenza umana e artificiale possano coesistere in futuro, degli aspetti etici e morali che questo implica, di come sia possibile garantire un buon controllo sull’AI e di quali parametri legali sono necessari per gestire tutto. Rispondere a queste domande sarà tanto importante quanto lo sforzo di risolvere le sfide tecnologiche, e nessun dogma o ideologia potrà essere d’aiuto. Al contrario, quello che serve è un obiettivo, un dibattito ad ampio spettro che prenda in considerazione il benessere della società tutta.
Amazon e il Machine Learning
«Negli ultimi 20 anni, migliaia di software engineer di Amazon hanno lavorato sul Machine Learning: osiamo perciò dire di essere l’azienda che si è applicata più a lungo su AI e ML a supporto del business. Sappiamo infatti che le tecnologie innovative decollano sempre quando cadono le barriere per i partecipanti del mercato.
È quanto sta accadendo in questo momento con AI e ML. In passato, chiunque volesse utilizzare l’intelligenza artificiale per se stesso doveva iniziare da zero, sviluppando algoritmi e alimentandoli con enormi quantità di dati (anche se aveva bisogno di un’applicazione per un contesto ristretto). Questo si riferisce alla cosiddetta intelligenza artificiale “debole”: molte delle interfacce utente con cui tutti abbiamo confidenza oggi (come funzioni di raccomandazione, somiglianza o autofill per la ricerca predittiva), sono tutte guidate dal machine learning. Al contempo, si possono prevedere i livelli di inventory o i lead time per i vendor, individuare i problemi dei clienti e capire automaticamente come risolverli, scoprire merci contraffatte e risolvere commenti offensivi, proteggendo quindi i nostri utenti dalle frodi. Ma questo è solo la punta dell’iceberg. In Amazon, ci basiamo su miliardi di informazioni degli ordini storici, il che ci consente di creare ulteriori modelli basati su AI/ML per diversi tipi di funzionalità. Per esempio, le interfacce di programmazione che gli sviluppatori possono utilizzare per analizzare le immagini, trasformare il testo in linguaggio realistico o creare chatbot. In sostanza, chiunque voglia definire modelli, allenarli e poi scalare può trovare qualcosa. Le librerie preconfigurate e i framework di deep learning sono ampiamente disponibili, il che consente a chiunque di iniziare molto velocemente.
Aziende come Netflix, Nvidia o Pinterest utilizzano le nostre capacità di machine e deep learning. Sono stati creati innumerevoli livelli in un tipo di ecosistema in cui le aziende possono “ormeggiare” la loro attività, in base a quanto vogliono andare in profondità e a quanto sono in grado di immergersi nell’argomento. Decisiva è l’apertura dei livelli e la disponibilità dell’infrastruttura. In passato, le tecnologie di AI sono state così costose che difficilmente valeva la pena di utilizzarle. Oggi le tecnologie di intelligenza artificiale e machine learning sono disponibili di serie e possono essere richiamate in base alle esigenze individuali, tanto che formano la base per nuovi modelli di business. Anche gli utenti che non sono specialisti dell’AI possono incorporare facilmente e a costi contenuti gli elementi costitutivi nei propri servizi. In particolare, possono beneficiarne le medie e piccole imprese con forza innovativa, poiché non devono imparare nessun algoritmo né tecnologia complessa di ML, e possono sperimentare senza incorrere in costi elevati».
L’intelligenza artificiale contribuisce a soddisfare il cliente
«Una delle aree di applicazione più avanzate è l’e-commerce. I meccanismi di preselezione supportati dall’AI aiutano le aziende a liberare i processi di decision making dei clienti dalla complessità. Il fine ultimo è la soddisfazione del cliente: se ci sono solo tre tipi di dentifricio, il cliente può facilmente selezionarne uno ed essere soddisfatto, ma quando più di 50 tipi sono in offerta, la scelta diventa complicata. Devi decidere, ma non sai se la decisione è quella giusta; più possibilità ci sono, più difficoltà ci sono per i clienti. I nostri algoritmi più conosciuti vengono da questo: filtrare i prodotti suggeriti sulla base della storia personale di acquisto di prodotti con caratteristiche simili o sul comportamento di altri utenti interessati ad articoli simili.
Ovviamente, la qualità contribuisce anche alla soddisfazione del cliente. Il supporto intelligente facilita la vita sia del fornitore, sia del cliente. Per Amazon Fresh, per esempio, abbiamo sviluppato algoritmi che imparano come devono sembrare gli alimentari freschi, quanto devono durare e quando il cibo non deve più essere venduto. Le aziende di trasporto aereo o ferroviario potrebbero anche usare questa tecnologia per il loro controllo qualità facendo girare un algoritmo basato sui dati dell’immagine della merce. L’algoritmo sarebbe quindi in grado di riconoscere la merce danneggiata e automaticamente scartarla».
Se puoi prevedere la richiesta, puoi pianificare in modo più efficiente
«Nelle aziende B2B e B2C, è fondamentale che i prodotti siano disponibili velocemente, ed è per questa ragione che in Amazon abbiamo sviluppato algoritmi in grado di prevedere la richiesta giornaliera. Questo è particolarmente complesso nel caso della moda, in cui gli articoli sono sempre disponibili in numerose taglie e varianti diverse, e per i quali le possibilità di un ordine successivo sono molto limitate. Tra le altre, sono fornite al nostro sistema le informazioni sulle richieste passate, così come quelle sulle fluttuazioni che possono verificarsi con i prodotti stagionali, gli effetti delle offerte speciali e la sensibilità dei consumatori ai cambiamenti dei prezzi. Oggi possiamo prevedere con precisione quante magliette di una determinata taglia e colore saranno vendute in un determinato giorno. Abbiamo fatto fronte al problema e abbiamo reso la tecnologia disponibile per altre aziende come web service. MyTaxi, per esempio, utilizza il nostro servizio basato sul machine learning per programmare quando e dove il cliente avrà bisogno del veicolo».
Nuova divisione del lavoro
«Ma l’intelligenza artificiale è molto più che semplice previsione. Nel campo della pratica, rilevante per numerosi settori, stiamo pensando a idee su come l’intelligenza artificiale possa contribuire al meglio per spostarsi ulteriormente da uno schema di lavoro tayloristico. Applicato ai robot e alla robotica, l’AI può liberare le persone da attività di routine fisicamente difficili e spesso stressanti. Le macchine sono molto adatte per svolgere compiti che per gli esseri umani sono difficili, anzi spesso sono più brave di loro (si pensi ad esempio ad identificare il percorso migliore all’interno di un magazzino per un determinato numero di ordini o a trasportare merci pesanti fino al punto da cui devono essere spedite al cliente). Nel caso di compiti apparentemente semplici, invece, il robot è sopraffatto: un esempio? Riconoscere una scatola che è stata posizionata sullo scaffale sbagliato. Quindi come si possono mettere insieme i punti di forza delle due figure? Permettendo ai robot intelligenti di imparare dagli umani a identificare i prodotti giusti, di prendere in carico i vari ordini e spostarli autonomamente all’interno del magazzino seguendo il percorso più efficiente. Ecco come eliminiamo la parte più noiosa del lavoro, spostando le risorse verso un’interazione maggiore con il cliente».
Intelligenza Artificiale e AWS Amazon Web Services, il caso SCDM
«Il nostro cliente SCDM sfrutta l’idea di liberare la forza lavoro “umana”, ma in un contesto completamente diverso. SCDM è un service provider che supporta le banche e le compagnie assicurative grazie alla digitalizzazione. Sfruttando l’intelligenza artificiale, SCDM consente ai suoi clienti di classificare documenti di formati molto diversi (PDF, Excel o immagini), come per esempio un report sulla performance di un prodotto di investimento che contiene centinaia di pagine. Scannerizzando centinaia di migliaia di documenti simultaneamente, l’algoritmo di SCDM riconosce quale documento è rilevante per una specifica richiesta, riconosce dove si trovano i dati rilevanti per un tipo specifico di preparazione ed estrae i dati dal documento. Il risultato è che ci saranno meno errori di calcolo e più tempo per l’interazione umana con stakeholder importanti come investitori, analisti e altri clienti».
Machine learning nell’istruzione, in medicina e aiuti allo sviluppo
«Oltre al loro potenziale in termini di efficienza e produttività, ML e AI possono anche essere sfruttate nell’istruzione. Duolingo, che offre app gratuite per corsi di lingua, utilizza algoritmi di traduzione per valutare e correggere la pronuncia degli allievi. In medicina, l’intelligenza artificiale supporta i dottori nell’analisi delle immagini di raggi X, TAC o risonanze magnetiche. La Banca Mondiale utilizza inoltre l’AI per implementare programmi di infrastruttura, aiuti allo sviluppo e altre misure in modo più targettizzato anche per il futuro».
Più spazio all’ottimismo
«Nonostante tutti questi sviluppi, molte persone del mondo accademico, imprenditoriale e governativo hanno una visione critica di machine learning e intelligenza artificiale. Ci sono stati avvertimenti sul fatto che una nuova super-intelligenza stia mettendo a repentaglio la nostra civilità, e questi avvertimenti hanno fatto parlare molto.
In ogni caso, nel dibattito pubblico non si dovrebbe dare spazio né all’isteria, né all’euforia. Ciò che serve, invece, è una visione pragmatico-ottimistica delle possibilità emergenti. L’intelligenza artificiale ci consente di liberarci di compiti che potrebbero arrecare danno alla nostra salute, o in cui le macchine sono più efficienti di noi. Ma non con l’obiettivo di renderci noi stessi superflui. Al contrario, per ottenere maggiore libertà personale ed economica per le relazioni interpersonali, per la nostra creatività e per qualunque cosa noi umani possiamo fare meglio delle macchine. Questo è quello per cui dovremmo lottare. Se non lo facciamo, finiremo per perdere le opportunità economiche e sociali che avremmo potuto cogliere».
