domenica 29 aprile 2018

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.

venerdì 27 aprile 2018

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. 









mercoledì 25 aprile 2018

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

sabato 14 aprile 2018

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
dati = datas
intelligenza computazionale = computational intelligence
auto-programmazione = automatic programming
robotica evolutiva = evolutionary robotics
esperienza = experience



venerdì 13 aprile 2018

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.








mercoledì 4 aprile 2018

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
                                           

Considerazioni finali

Brevettato nel 1996 da Peter Nordin e Wolfgang Banzhaf  sulla scia di diverse invenzioni  nell'ambito della programmazione, il compute...