Oggi l’intelligenza artificiale collabora con l’uomo e progredisce essenzialmente utilizzando algoritmi di apprendimento automatico, quindi modelli di machine learning (ML) e deep learning (DL) che, più dati elaborano, più riescono a imparare e migliorare. Insegnare a una macchina in questo modo richiede competenze di machine learning, che limitano la capacità di costruire tali sistemi, rispetto alla domanda espressa dalle applicazioni aziendali e dal mercato. In futuro, però, nella visione di Microsoft, lo scenario potrebbe essere più favorevole, per raggiungere l’obiettivo che la casa di Redmond si è posta di “democratizzare”, rendere disponibili a tutti, innovazioni come il machine teaching, che permettono alle macchine d’imparare direttamente dalle persone, invece di dover estrarre conoscenza dai soli dati.
Collaborazione uomo-macchina a un nuovo livello verso il machine teaching
Prima di approfondire le opportunità del machine teaching, che dà l’abilità d’insegnare alle macchine senza dover per forza essere un data scientist, Mitra Azizirad, Corporate Vice President Microsoft AI and Innovation, nel proprio keynote al recente Microsoft Ignite, si sofferma su quanto la collaborazione uomo-macchina sia determinante per aumentare l’ingegno umano, come nel caso dei cosiddetti ‘centauri’ nel gioco degli scacchi: similmente alle creature della mitologia greca, che portano in sé una duplice natura, vengono chiamati centauri anche i sistemi che combinano intelligenza artificiale e umana. Durante una gara di scacchi questi centauri fondono creatività e pensiero strategico delle persone con capacità analitica e potenza di calcolo dei computer, e tale sinergia uomo-macchina può fornire prestazioni che il solo giocatore umano o il solo computer non sarebbero in grado di eguagliare.
Il passo successivo è come usare le macchine per amplificare l’ingegno umano. Realizzare questa visione, sottolinea Azizirad, richiede un approccio alla AI completamente diverso: “Abbiamo necessità di una AI che possa ragionare in collaborazione con noi, espandendosi oltre l’esecuzione di compiti ristretti e ripetitivi. La AI ha già padroneggiato mansioni limitate ben definite, come il riconoscimento di oggetti, per esempio, dove viene raggiunta la human parity. Ci vorranno aspetti più generali della AI per realizzare questa visione in aree come il buon senso, la causalità, la logica o anche la conoscenza”.
Un benchmark per testare l’abilità di un algoritmo di fare ragionamenti avanzati esiste: si chiama SuperGLUE (per la cronaca, SuperGLUE è un’evoluzione del benchmark GLUE – General Language Understanding Evaluation) e un team di Microsoft Research è stato il primo a raggiungere la “human parity” per questo benchmark, ricorda Azizirad, utilizzando “un modello AI massivo, che sarà parte della famiglia di modelli Microsoft Turing, con miliardi di parametri, che, assieme alla crescente potenza del cloud, sta aiutando a cambiare radicalmente come sviluppiamo la AI”.
Oltre i compiti ripetitivi: la AI ‘co-ragiona’ con noi
Per rendere chiaro a tutti come la prossima AI potrà andare molto più in là della semplice esecuzione di compiti ripetitivi, Azizirad si avvale del contributo di David Carmona, General Manager of AI and Innovation, il quale spiega che modelli massivi come Turing possono essere adottati in diversi contesti o in differenti modalità, come audio e video: ad esempio, la AI può comprendere un film. Nel caso del film “Avengers: Endgame”, quando si chiede, per via testuale, al sistema di cercare Tony Stark in una conversazione seria, la AI è in grado d’identificare la scena in cui l’attore ha un’espressione austera. “Dietro le quinte – chiarisce Carmona – ci sono modelli come VinVL. VinVL è un modello massivo di linguaggio visivo che abbiamo appena annunciato, e che sarà disponibile in Azure Cognitive Services ed anche come open source”. Chi poi pensasse che capire un film non ha nulla a che vedere con il business di un’azienda, si sbaglia, aggiunge il manager “perché questo modello è stato addestrato genericamente con grandi volumi di dati presi da Internet, quindi non in modo specifico per questo scenario. Ma potreste riutilizzare questi modelli massivi e personalizzarli per i vostri scenari nel retail, nel manufacturing, nel settore finanziario o in qualunque altro settore”.
Cloud Azure cuore di evoluzione della AI
Oggi, secondo Microsoft, limitazioni nell’infrastruttura di calcolo, nell’efficacia dei modelli di machine learning, nella facilità di sviluppo, vincolano l’innovazione, ed è per questo che il colosso di Redmond ha attivato l’iniziativa AI at Scale. “La nostra visione AI at Scale incorpora una nuova generazione di AI che crediamo sarà un game changer per come la AI verrà sviluppata in futuro”. L’obiettivo è aiutare le organizzazioni a sfruttare questa nuova AI, fornendo uno stack tecnologico completo in Azure. Al cuore di tale stack c’è un “AI supercomputer” che Microsoft ha realizzato in collaborazione con la società OpenAI, e che “è richiesto per l’addestramento di modelli massivi con miliardi o anche bilioni di parametri”.
Machine teaching, ultima frontiera
Il prossimo, naturale passo nell’andare oltre il “co-ragionamento” uomo-macchina, continua Azizirad, sarà far in modo che la AI sia realmente in grado di apprendere dagli esseri umani: e ciò significa superare le tecniche di training della AI con i dati, per mettere in grado l’intelligenza artificiale d’imparare effettivamente dalla nostra conoscenza. Ad esempio, mostra Azizirad, si può insegnare a un drone virtuale a volare usando la nostra personale esperienza e capacità di volo in un ambiente simulato.
Questa tecnica è chiamata machine teaching, e si può pensare ad essa come a “un approccio low-code semplificato per creare modelli AI e ML che vi consentono, in quanto soggetto esperto in materia, di specificare obiettivi, lezioni di apprendimento e criteri di sicurezza senza la necessità di apprendere la data science”. Per insegnare al drone a volare nel mondo reale, spiega, è necessario creare un ambiente virtuale iperrealistico, ad esempio con ostacoli dinamici, differenti condizioni atmosferiche, differente illuminazione, in cui il velivolo possa apprendere a volare in sicurezza. Oggi, chiarisce Azizirad, la costruzione di questi sistemi è concentrata nelle mani di poche aziende, poiché richiede tecniche altamente complesse, che fanno affidamento su competenze specializzate. Tuttavia, attraverso “scoperte come il machine teaching e simulatori come AirSim, combinati con Azure AI e servizi edge, il nostro obiettivo è democratizzare e portare queste innovazioni a ciascuno, in modo che ogni impresa possa sviluppare i propri sistemi autonomi, dalla guida di veicoli, alla gestione dei macchinari o al controllo dei processi di produzione”.
