Considerazioni finali

Brevettato nel 1996 da Peter Nordin e Wolfgang Banzhaf sulla scia di diverse invenzioni nell'ambito della programmazione, il computer da Machine Learning si è dimostrato (e tuttora si dimostra) uno strumento molto efficace per lo sviluppo delle intelligenze artificiali, degli automi e degli algoritmi auto-apprendenti.

Nato alla fine degli anni '70 del secolo scorso e inizialmente ritenuto un'utopia (grazie anche a una ricca narrativa fantascientifica della quale è stato protagonista), il Machine Learning ha saputo raccogliere i frutti della tecnologia del suo tempo e sfruttarli al meglio, diventando presto una delle branche più importanti e avveniristiche della moderna Informatica. Nonostante porti con sé diversi problemi etici, legati alla capacità della macchina di riprogrammarsi in base alla propria esperienza, proprio come accade per l'uomo grazie alla sua capacità di adattamento, questa tecnologia si è sviluppata sempre di più, arrivando, senza farsi vedere, nelle nostre case e nelle nostre vite, nelle forme più disparate possibili.

Al giorno d'oggi le sue applicazioni sono infinite: si passa dagli algoritmi pubblicitari sfruttati dai colossi dell'e-commerce, come Amazon e eBay, fino ad arrivare ai più avanzati studi e ricerche sul cancro. Il Machine Learning è oltretutto descritto approfonditamente in diversi manuali utilizzati in corsi di laurea magistrale in Italia e all'estero, con l'ausilio di programmi e ambienti di sviluppo come Matlab.

In questo blog si è voluta fare una ricerca su questa tecnologia sempre presente ma sconosciuta ai più, che ha ancora molto da offrirci e che sarà protagonista del nostro futuro, guidati da una sana curiositas, fondamentale per qualsiasi ricerca.

Applicazioni nella quotidianità

Più volte abbiamo parlato di come il machine learning, essendo una branca dell'informatica in continuo sviluppo, trovi applicazioni nei più disparati campi.

La possibilità di avere un algoritmo che si corregge e perfeziona da solo ha permesso ai vari colossi dell'e-commerce (tra i quali i famosi Amazon e eBay) di raccogliere dati dall'utente e indirizzarlo verso un acquisto mirato a lui e lui soltanto, aumentando la probabilità di vendita. Un settore dove invece vediamo le prime applicazioni è quello delle biotecnologie, dove il machine learning è sfruttato da potenti telescopi per individuare forme di cancro.

Abbecedario del Machine Learning

A as algorithm

B as Banzhaf, Wolfgang

C as computer

D as Dick, Philip

E as experience

F as floppy disk

G as gigabyte

H as hacker

I as Isaac Asimov

L as laptop

M as machine learning

N as Nordin, Peter

O as online

P as programming

Q as qwerty

R as robotics

S as Silicon Valley

T as Tesla

U as URL

V as virus

Z as ZIP

W as Westworld

Il machine learning nelle pubblicità

Un'invenzione prettamente tecnica e complessa come quella del machine learning non è mai stata rappresentata direttamente dalle e nelle pubblicità. Il più delle volte, infatti, troviamo nelle pubblicità già l'applicazione di questa tecnologia, in quanto l'invenzione in sé non rappresenta un prodotto destinato alla vendita.

Modello base di Google Home Mini.

Un prodotto che sfrutta a pieno il machine learning e che ultimamente è molto presente nell'ambito pubblicitario, soprattutto su internet, è l'assistente per la casa Google Home Mini. 

Questo assistente vocale, sfruttando l'esperienza accumulata durante il suo utilizzo, aggiorna il suo codice di volta in volta per rispondere in maniera sempre più pronta al crescere del suo utilizzo.

Precedenti storici

Il brevetto che abbiamo preso in considerazione per il nostro studio rappresenta un punto di arrivo, un sunto, di moltissimi altri brevetti riguardanti il machine learning depositati dalla fine degli anni ottanta fino a metà del decennio successivo. 

Alcuni di questi si basano su studi di problem solving e la correzione automatica del codice (brevetto US5390282A), cuore del machine learning, altri invece si interessano della modifica stessa dell'architettura del programma per risolvere un determinato problema (brevetto US5742738A).

Risulta interessante notare come tutti i brevetti riguardanti questo ambito non presentino nessun nuovo oggetto o materiale, ma sempre un algoritmo più ricco e complesso.

Diagramma di flusso a blocchi, rappresentante un algoritmo semplice.

Machine learning: ieri e oggi

Quando parliamo di machine learning è implicito il fatto che ci riferiamo a una nuova tecnologia, un campo ancora da sfruttare e che gode, per la sua importanza, di molteplici finanziamenti ai fini della ricerca.

Risulta interessante vedere come una tecnologia che trent'anni fa generava  incubi nella mente di scrittori e registi sia ora usata nella vita quotidiana di  tutti noi. Spesso invisibili ai nostri occhi, il machine learning è alla base di  molti oggetti che ci circondano: assistenti vocali, macchine a guida semi-autonoma, motori di ricerca online e molto altro ancora. Di pochi mesi fa è lo scandalo che ha investito il social network Facebook, che grazie ad algoritmi  auto-apprendenti raccoglieva informazioni sugli utenti (come anche Amazon, eBay e molteplici siti di e-commerce) per far visualizzare esclusivamente un certo di tipo di contenuto o di pubblicità, indirizzato a una determinata utenza, corrispondente a un potenziale acquirente.

Mark Zuckerberg, fondatore di Facebook

Inventori e assegnatari: Peter Nordin

La seconda identità che si cela dietro al nostro brevetto è quella dell'informatico svedese Peter Nordin. Nato nel 1965 a Helsingborg e cresciuto a Gothemburg, ha conseguito la laurea in Ingegneria Informatica a fine anni ottanta all'università di Chalmer.

Molteplici sono le sue ricerche e le sue pubblicazioni riguardo al machine learning e alla robotica evolutiva, settori di cui è stato pioniere all'inizio degli anni novanta e in cui lavora ancora oggi.

Al momento Peter Nordin è professore presso il dipartimento di Physical Resource Theory nell'università di Chalmer, dove si occupa di ricerca di sistemi informatici complessi, algoritmi evolutivi e robotica. Oltre che inventore, è anche assegnatario del brevetto del computer da Machine Learning, insieme a  Wolfgang Banzhaf.

Inventori e assegnatari: Wolfgang Banzhaf

Trovare informazioni sugli inventori del computer da machine learning non è facile, poiché se è vero che la robotica e i suoi sviluppi sono noti ai più, e anche vero che i personaggi che hanno dedicato la loro vita alla ricerca in questo ambito non sono sempre diventati tutti famosi. Una delle due menti che si nascondono dietro al nostro brevetto è quella di Wolfgang Banzhaf, nato a Stoccarda in Germania a metà dello scorso secolo.

Laureatosi a Monaco di Baviera in Fisica, si è solo successivamente interessato all'informatica, alle bioscienze e alle nuove tecnologie, grazie agli anni del dottorato all'Istituto di Tecnologia di Karlsruhe (KIT), in Germania.

Al giorno d'oggi Wolfgang Banzhaf è professore ordinaria alla Memorial University di Terranova, in Canada e le sue pubblicazioni spaziano tra i più disparati ambiti della ricerca (fisica, biologia, robotica). Oltre che inventore, è anche assegnatario del brevetto del computer da Machine Learning, insieme a Peter Nordin.

Word Cloud

Bibliografia

(Murphy, 2012):

Kevin P. MURPHY, Machine Learning: a probabilistic prospective, Vancouver, Canada : Mit Press, 2012

(Goodfellow, Bengio et al., 2016):

Ian GOODFELLOW, Yoshua BENGIO et al., Deep learning, Vancouver, Canada : Mit Press, 2016

(Bishop, 2006):

Christopher M. BISHOP, Pattern recognition and machine learning, Berlino, Germania : Springer Verlag, 2006

(Russel, Peter, 2016):

Stuart RUSSEL, Norvig PETER, Artificial intelligence: a modern approach, global edition, London, UK : Pearson Education, 2016

Il Contesto Narrativo: La supremazia degli Automi

Un'innovazione come quella del machine learning, che porta con sé una componente utopistica e fantascientifica non indifferente, ha creato, nella narrativa dagli anni ottanta in poi, un vero e proprio genere narrativo, dove vediamo macchine e robot che si ribellano e cercano di sopraffare i loro creatori. La fantasia di registi e scrittori di tutto il mondo è stata infatti stuzzicata da visioni apocalittiche, dove la nostra specie scompare o viene ridotta in schiavitù da automi e intelligenze artificiali. Esempio rappresentativo è la saga di Terminator, con Arnold Schwarzenegger, nella cinematografia, oppure, nella letteratura, i vari libri del russo Isaac Asimov, che già negli anni cinquanta del novecento anticipava, con le sue storie, quello che sarebbe diventato un genere narrativo di grande successo. Inoltre, è importante notare come nell'immaginario comune, di cui la narrativa è la massima espressione, la connotazione che assumono macchine e robot è quasi ed esclusivamente negativa.

Locandina del primo Terminator

Isaac Asimov, padre della letteratura
fantascientifica robotica

Il Contesto Sociale: Paure e Problemi etici

Ogni rivoluzione di cui l'uomo è stato protagonista ha sempre portato con se diverse novità, modificando talvolta la società alle sue radici (come per la rivoluzione industriale e le prime forme di automazione del lavoro). Il solo pensiero che una macchina posso imparare, e che possa farlo meglio di un essere umano, desta terrore, in quanto si teme che le macchine possano prendere il nostro posto in ogni attività. I grandi industriali sostituirebbero gli impiegati e i lavoratori con automi perché più efficienti e meno costosi nel lungo periodo? Certamente siamo ancora lontani da una realtà del genere, che potrebbe anche rimane un sogno utopico di molti programmatori.

Un problema invece già più concreto è quello legato agli eventuali problemi etici causati dalla ''vita'' di queste macchine. Avranno una loro personalità? Potranno decidere per loro stesse? Si potrebbero ribellare al loro programmatore? Ma più importante e concreta, chi pagherebbe per le loro colpe?

Una Tesla Model S, vettura di punta della casa automobilistica

A questa domanda hanno dovuto rispondere gli amministratori delegati di Tesla, in quanto una loro vettura (dotata di una forma di autopilota) è stata coinvolta in un incidente, fatale per il conducente, per una mancata distanza di sicurezza. I piani alti della multinazionale si sono difesi affermando che il guidatore non aveva rispettato alcune norme di sicurezza inerenti alla guida autonoma, risparmiandosi così una causa legale che avrebbe rappresentato un primato storico.

Il Contesto Tecnologico: Microprocessori e Schede Madri

     

Un microprocessore Intel Core i7
di fascia medio-alta.

Per lo sviluppo e la crescita del machine learning, sono necessarie potenze di calcolo di altissimo livello. Negli anni settanta dello scorso secolo, l'informatica fa passi da gigante grazie alla nascita della microelettronica (in riferimento all'ordine di grandezza in cui può operare). Grazie allo sfruttamento di questa, è possibile concentrare in spazi minuscoli milioni di collegamenti e di circuiti elettronici. L'informatica si muove verso la ''Miniaturizzazione'', così chiamata per le microscopiche dimensioni raggiunte dalla componentistica, ormai in parte invisibile a occhio nudo. I materiali principalmente utilizzati per la loro produzione sono semiconduttori, soprattutto silicio sotto forma di lastra ultrasottile (wafer), per le proprietà ottenute grazie al processo di drogaggio. Nascono così i microprocessori, anima vera e                                                                    propria del computer come lo conosciamo oggi.

Scheda madre: sono ben visibili i diversi circuiti in rame,
ottimo materiale conduttore.

Tutte le micro e macro componenti sono saldate o fissate sulla scheda madre, un circuito stampato in vetronite e rame, con milioni di percorsi tracciati su di essa, per permettere agli impulsi elettrici di muoversi all'interno e di ''portare le informazioni'' da un punto della macchina a un altro, mettendo in collegamento ogni sua singola componente. 

Il Contesto Storico: Gli anni 70 nella Silicon Valley

America, Silicon Valley, anni 70 del ventesimo secolo: è appena nata la Microsoft come la conosciamo oggi, guidata dal giovane Bill Gates, seguita poco dopo dalla storica rivale Apple di Steve Jobs. L'informatica esplode, i prezzi degli hardware diminuiscono. Il terreno della ricerca è fertile e gli investitori iniziano ad avere fiducia in queste nuove tecnologie. In questo clima fervido cresce rapidamente anche il machine learning, come branca più avveniristica dell'informatica e della robotica. Coloro che lavorano in questo settore hanno un sogno: donare la vita a un insieme di viti, cavi e metalli inanimati.

In pochi decenni il mondo si accorgerà di come quel sogno, ritenuto utopistico dai più, possa evolvere in qualcosa di concreto, portando con sé, oltre alle innovazioni, paure e diversi problemi etici.

Il "Campus della Apple" nella Silicon Valley

Lista di termini chiave

apprendimento automatico = machine learning

codice = code

algoritmo = algorithm

intelligenza artificiale (IA) = artificial intelligence (AI)

automazione = automation

automa = automaton

macchina/computer = machine/computer

computer science = scienza del computer/informatica

dati = datas

intelligenza computazionale = computational intelligence

auto-programmazione = automatic programming

robotica evolutiva = evolutionary robotics
esperienza = experience

Machine Learning: di cosa stiamo parlando?

Nel corso degli ultimi 20 anni si è sempre maggiormente parlato di intelligenza artificiale in ambiente informatico e robotico. Proprio in questi due campi nasce il brevetto che stiamo analizzando, al fine di perfezionare i processi di machine learning. Questa terminologia venne per la prima volta utilizzata  negli anni '50 da Alan Turing, uno dei padri dell'informatica, per definire l'idea di una ''macchina che apprende''.

L'obiettivo di Touring, utopistico per l'epoca in cui visse, era quello di costruire una macchina in grado di pensare, analizzare situazioni e problemi, trarre delle conclusioni e migliorarsi in modo autonomo, grazie all'esperienza acquisita, proprio come gli esseri umani. Oggi, grazie alle tecnologie più avanzate, le intelligenze artificiali sono sempre più reali: esperti programmatori da ogni parte del mondo gareggiano per essere i pionieri di questa nuova realtà, costruendo robot dalle fattezze sempre più umane, nel tentativo di minimizzare il divario tra uomo e macchina.

Brevetto del "Computer da Machine learning" US5946674A

Il brevetto del "Computer da machine learning" è stato depositato in data 31 Agosto 1999 dallo svizzero Peter Nordin e dal tedesco Wolfgang Banzhaf, due informatici attivi nel campo delle intelligenze artificiali e del machine learning.

Il meccanismo da loro brevettato viene utilizzato per i processi di apprendimento riguardanti i computer stessi. L'obiettivo di questo meccanismo è di "insegnare" alla macchina a "imparare" autonomamente. In altre parole è la macchina stessa ad adattare la propria risposta a un problema in base alle passate esperienze, che le hanno permesso di modificare il proprio algoritmo, a livello di codice, migliorandone le prestazioni e le capacità risolutive.

Peter Nordin

Wolfgang Banzhaf