A cura di Elena Vaciago, Associate Research Manager, The Innovation Group

La prima scossa c’è stata quando Mark Zuckenberg all’inizio di quest’anno ha dichiarato, con un Post dall’account Facebook,  che l’AI (Artificial Intelligence) sarebbe stato il primo dei suoi obiettivi per il 2016. Poi è scesa in campo un’armata di bot per le App di messaggistica: sulla scia di quanto già realizzato da Telegram e Kik, in aprile, durante la conferenza F8 di Facebook gli sviluppatori presenti hanno visto cosa si può fare con le chatbot di Messenger. Tutta una serie di attività, non molto originali in questo momento: chiedere che tempo fa, ordinare un prodotto, ricercare un ristorante, ricevere notizie sportive. Niente che non si possa fare comunque sul web. Per il futuro però le possibilità sono aperte: Facebook rilascerà le API per nuovi sviluppi di chatbot di tutti i tipi.

Quindi anche Google ha rilasciato a settembre il suo Assistente Virtuale, Allo, all’interno dell’omonima App di messaggistica, che si basa su tecniche di deep learning per migliorare continuamente la sua capacità di fornire informazioni utili al proprietario, arrivando via via a “conoscerlo sempre meglio” attraverso la lettura di tutti i messaggi in arrivo. Inquietante .. Idem per l’IOS 10 della Apple uscito a settembre: anche in questo caso alla funzione Siri sono state aggiunte capacità di deep learning per conoscere sempre meglio i gusti dell’utente e poterlo aiutare (o indirizzare?) nelle scelte future.  Quello che sta emergendo ora è che gli assistenti virtuali come le chatbot all’interno degli strumenti di messaggistica (App sempre più “di peso”, avendo superato anche i social per il tempo trascorso dagli utenti) potranno intromettersi nelle conversazioni delle persone, fornendo informazioni, notizie, servizi aggiuntivi, che andranno sì ad arricchire l’esperienza d’uso – ma serviranno anche a profilare sempre meglio tutti quanti. Si tratta in pratica dell’ultima frontiera della sperimentazione dell’Intelligenza Artificiale applicata a contesti molto diffusi.

Anche su  tutt’altro fronte, quello della Connected Car, si rincorrono le notizie di macchine sempre più intelligenti, con capacità che spaziano a seconda dei modelli e delle case costruttrici, dalla guida assistita (il guidatore continua a controllare la guida ma alcune funzioni – di sterzo o di frenata in caso di imprevisti – sono gestiti in automatico dalla vettura) fino alla guida completamente autonoma. Al CES 2016, la più grande fiera dell’elettronica al mondo, si è parlato soprattutto di questo: auto intelligenti e connesse, quasi del tutto in grado di guidarsi da sole. Google, FCA, Ford, Volkswagen, Toyota, GM: questi i nomi delle case impegnate a costruire l’auto del futuro, e in una ricerca Juniper Research anticipa che 2025 potremo avere sulle strade già 20 milioni di automobili a guida autonoma. Nel frattempo Uber sta sperimentando il servizio di auto automatiche a Pittsburgh: grazie ai 20 sensori di cui sono dotate, le auto procedono da sole verso la destinazione indicata dal passeggero, ma per evitare problemi, sul sedile anteriore dell’auto c’è ancora un pilota umano che in caso di problemi può intervenire.

Insomma, non passa giorno senza che qualcuno citi l’Intelligenza Artificiale, e i suoi vari derivati (Machine Learning, Natural Language Processing, Deep Learning) come la nuova rivoluzione che in tempi forse molto brevi trasformerà tutti i settori dell’economia e il nostro stesso modo di vivere. E’ qualcosa di cui preoccuparsi? Quali sono le opportunità ma anche i rischi di questa evoluzione? Tenendo presente che in parte ci siamo già abituati a questa realtà: nessuno si stupisce più se quando chiamiamo un numero verde, ci risponde una voce automatica, un software che capisce le nostre domande e fornisce le risposte giuste.

Per fare un po’ di chiarezza è opportuno innanzitutto capire bene il significato dei diversi termini.

E’ bene ricordare che con Intelligenza Artificiale si intende tutto l’ambito, molto ampio, di ricerca e sviluppo volti a dotare i computer e in generale le macchine (robot, automobili, elettrodomestici) di funzioni “cognitive” assimilabili a quelle umane. All’interno dell’AI[1], che è una dottrina che ha almeno 30 anni di storia (di solito la si fa risalire ai primi sviluppi di “sistemi esperti” agli inizi degli anni ’80), si possono individuare molti sotto-ambiti (Machine Learning, Predictive APIs, Cognitive Computing, Deep Learning, Image Recognition, Speech Recognition, Natural Language Processing). Alcune di queste tecniche hanno registrato ultimamente elevato interesse diventando appunto un tema di dibattito comune, perché si comincia a vederne l’impiego pratico in svariati settori. Il machine learning[2] è la possibilità che un computer o un software sia in grado di auto-apprendere, quindi migliorare e affinare le sue capacità cognitive nel tempo, oltre che svolgere compiti anche nuovi, che non gli sono stati prescritti fin dall’inizio. Un esempio banale di questa capacità è la presentazione personalizzata dei post su Facebook: la piattaforma social registra tutte le attività degli utenti, dalla velocità di visualizzazione dei post ai singoli like, e ne tiene conto quindi per personalizzare la successiva presentazione di attività dei contatti (in realtà il sistema fa utilizzo di funzioni analitiche statistiche per identificare il pattern di utilizzo della piattaforma del singolo utente e quindi popolare il suo feed).

Il deep learning[3] invece è un particolare sotto-ambito del machine learning che si avvale di algoritmi che elaborano dati in entrata attraverso più livelli elaborativi, comportandosi come una rete neurale artificiale, che quindi apprende via via dall’esperienza ed è in grado di risolvere problemi molto complessi, come riconoscimento automatico della voce, riconoscimento di immagini, biometria, computer vision e natural language processing (tutte elaborazioni tipiche dell’intelligenza umana non traducibili in algoritmi software).

Ma quale sarà l’impatto di queste tecnologie sulla vita delle single persone e sul complesso sull’economia delle nazioni?

E’ chiaro che affidare un certo numero di compiti ripetitivi e a scarso valore aggiunto alle macchine non può che fare del bene all’umanità, come è sempre stato in passato. Ma le implicazioni dell’AI possono andare ben oltre la nostra immaginazione, proponendoci problematiche completamente nuove da risolvere. I rischi di un cattivo impiego delle macchine intelligenti tra l’altro non sono per niente trascurabili: ha fatto molto scalpore quest’anno venire a conoscenza (molti mesi dopo il fatto tra l’altro) che a maggio un guidatore di una Tesla che viaggiava in modalità Autopilot aveva perso la vita quando l’auto si era schiantata in autostrada contro un camion, per un errore del sistema di riconoscimento. Il tema è molto rilevante e ne parleremo il prossimo 28 ottobre nel corso del webinar “Robot, Intelligenza Artificiale e le nuove sfide per la Sicurezza” (a cura di Giuseppe Vaciago, Partner di R&P Legal , e di Francesca Bosco, Project Officer di UNICRI).

Quindi se è vero, come in parte sta emergendo, che i computer che svilupperemo in futuro sono destinati a conquistare il mondo, come ha affermato Stephen Hawking nel 2014 (“The development of full artificial intelligence could spell the end of the human race”, intervista della BBC),  bisognerà cominciare ad occuparsi in futuro di sviluppare nuove regole generali per l’applicazione dell’AI. Si parla anche di una nuova Etica, la Roboethics, o etica dell’AI: servirà a creare automi dotati di valori etici. Il dibattito è aperto.

[1] Artificial intelligence From Wikipedia – https://en.wikipedia.org/wiki/Artificial_intelligence
[2] Machine Learning from WhatIs.com – http://whatis.techtarget.com/definition/machine-learning
[3] Deep learning From Wikipedia –   https://en.wikipedia.org/wiki/Deep_learning