Secondo la dottoressa Rumman Chowdhury, Managing Director della divisione Applied Intelligence di Accenture, il 2018 è stato l’anno della consapevolezza della presenza e delle opportunità legate al mondo AI – Artificial Intelligence all’interno del grande pubblico. Rispetto a pochi anni fa infatti, una percentuale sempre più considerevole della popolazione dei paesi sviluppati sta acquisendo dimestichezza con la terminologia e le problematiche legate al mondo del Machine Learning e nel 2019 potrebbe iniziare a fare sentire la propria voce in merito. Come più volte sostenuto da Luciano Floridi, Prof. Di Etica e Filosofia all’Università di Oxford, il settore della AI necessita di una rapida e decisa regolamentazione per governare la sua crescita e la sua diffusione e massimizzarne in questo modo gli impatti positivi. Ecco, nell’anno appena iniziato possiamo aspettarci che l’unione di questi due trend, la diffusione della consapevolezza e la pressione per una regolamentazione confluiranno in alcune importanti prese di posizione da parte dei regolatori (nazionali e sovranazionali) e sarà molto interessante seguirne gli sviluppi.
Ascoltando il Prof. Andrew NG dell’università di Stanford, uno dei più importanti esponenti del mondo AI (popolare docente di Coursera e membro chiave di importanti progetti interni di colossi come Google e Baidu), verrebbe invece da pensare che il trend principale nel 2019 sarà lo sbarco delle applicazioni AI al di fuori del mondo Tech. Infatti negli ultimi anni, l’AI ha profondamente rivoluzionato aziende come Facebook o Google, ma ha avuto impatti più ridotti in altri business che pur ben si presterebbero a coglierne i benefici. Questa asimmetria è in parte comprensibile considerando le ingenti moli di dati richieste dai primi modelli di Deep Learning, nativamente disponibili principalmente nelle aziende tech. Oggi, grazie agli ultimi sviluppi che hanno ridotto significativamente l’esigenza di dati (basti pensare al modello pubblicato qualche giorno fa in grado di diagnosticare l’Alzheimer con 6 anni di anticipo rispetto ai primi sintomi e addestrato con meno di 1’000 immagini) possiamo aspettarci una diffusione ben più veloce anche in contesti dove i dati disponibili sono molto più ridotti rispetto a quanto precedentemente richiesto.
Dello stesso avviso è anche il Prof. Yann LeCun della New York University (già Chief AI Scientist a Facebook), che ritiene la riduzione dei dati necessari ad apprendere tanto prioritaria quanto disruptive all’interno del mondo business. Per passare velocemente da un problema all’altro tecniche come il Transfer Learning possono offrire buoni risultati solo in contesti molto vicini tra loro, ma quando si passa a problemi complessi, dove a cambiare deve essere proprio la strategia di osservazione del sistema, gli approcci usuali finiscono spesso per deludere. Dal 2019 ci possiamo aspettare (e certamente possiamo sperare) un forte miglioramento su questo fronte che consentirebbe di iniziare a intravedere la direzione per sistemi ancor più intelligenti. Questi progressi probabilmente richiederanno un ripensamento radicale delle architetture utilizzate ma la sfida prospetta risultati cosi entusiasmanti da valer bene lo sforzo richiesto.
Infine, per quanto possa stupire i più ottimisti, nel 2019 non solo non potremo ancora attenderci la guida autonoma di livello 4 (ovvero su tutte le strade in ogni condizione) ma potrebbe essere ancora troppo presto anche per la guida autonoma di livello 3 ad utilizzo commerciale. I problemi legati al suo sviluppo sono stati spesso sottovalutati durante gli ultimi anni (complici i comunque notevoli risultati raggiunti con la guida assistita) e dunque, non ci resta che continuare ad attendere prima di poter affidare ai computer anche questa scomoda incombenza.
* Alessandro Maserati è un matematico, AI designer con un passato nella consulenza strategica, spinto dalla passione per tecnologia, innovazione e problemi complessi; indaga e incoraggia ogni cambiamento per un futuro migliore. Dal 2017 guida il team di #AI di Logol
