I ricercatori al di fuori di Google stanno testando il software che la società utilizza per introdurre una intelligenza artificiale all’interno di diversi suoi prodotti.
di Will Knight
Un motore per intelligenze artificiali usato da Google su molti dei suoi prodotti e reso pubblico lo scorso novembre viene oggi utilizzato per compiere operazioni suggestive, come tradurre l’inglese in cinese, leggere testi scritti o persino generare opere d’arte originali.
Il software in questione, denominato Tensor Flow, fornisce agli utenti un sistema diretto per addestrare i computer ad eseguire operazioni ricorrendo a grandi quantità di dati. Il software incorpora diversi metodi per costruire e simulare efficientemente delle reti neurali per “l’apprendimento approfondito” attraverso hardware differenti.
L’apprendimento approfondito è una tecnica estremamente efficace nell’addestrare i computer a riconoscere schemi all’interno di documenti audio o immagini, permettendo così alle macchine di compiere mansioni, quali riconoscere volti o oggetti, con una competenza simile a quella umana. Recentemente, l’apprendimento approfondito ha anche mostrato un notevole potenziale nell’interpretazione del linguaggio naturale, consentendo alle macchine di rispondere a interrogazioni parlate o scritte in modo significativo.
Durante la conferenza Neural Information Processing Society (NIPS) di Montreal, Jeff Dean, lo scienziato informatico che guida lo sviluppo del Tensor Flow per Google, aveva detto che il software stava trovando sempre più applicazioni all’interno di diversi progetti sperimentali al di fuori dell’azienda.
Le applicazioni includono software che generano didascalie per immagini e un codice per la traduzione di documenti in cinese. Un altro progetto utilizza il Tensor Flow per generare opere d’arte artificiali. “Siamo ancora agli inizi”, aveva detto Dean. “Le persone stanno cercando di capire in quali applicazioni può eccellere”.
Il Tensor Flow è derivato dal progetto Google Brain, pensato per applicare diverse forme di apprendimento automatico via reti neurali a prodotti e servizi della società. Negli ultimi anni, la portata di questo progetto è aumentata drasticamente. Dean ha detto che da una semplice manciata di prodotti nel 2014, il progetto è arrivato a toccarne più di 600.
Il progetto Google Brain ha contribuito allo sviluppo dello Smart Reply, un sistema che raccomanda automaticamente una risposta veloce a messaggi su Gmail dopo aver scansionato il testo di un messaggio in arrivo. La tecnica utilizzata per sviluppare lo Smart Reply è stata presentata dai ricercatori di Google durante la conferenza NIPS dell’anno scorso.
Dean prevede che l’apprendimento approfondito e l’apprendimento automatico avranno un impatto simile su diverse altre società. “Esiste una vasta serie di aspetti su cui l’apprendimento automatico sta influendo, nelle industrie come nei prodotti”, ha detto.
La tecnica, ad esempio, è in fase di collaudo all’interno di diverse industrie che sono interessate a effettuare previsioni sulla base di grandi quantità di dati, siano essi derivati dal mondo delle vendite al dettaglio o dal campo assicurativo.
Google si è potuta permettere di divulgare il codice per il Tensor Flow perché i dati in suo possesso costituiscono un tesoro molto più importante per la realizzazione di un potente motore per l’intelligenza artificiale. La società spera che il codice in open source la aiuti a ricoprire il ruolo di leader nell’apprendimento automatico, consolidare collaborazioni e ingaggiare nuovi e promettenti sviluppatori. “In un certo senso, il Tensor Flow ci fornisce un linguaggio comune attraverso il quale poter dialogare”, ha detto Dean. “I benefici che derivano dall’assunzione di persone che hanno già dimestichezza con il software non sono indifferenti; non è solo una questione di altruismo”.
Una rete neurale consiste di strati di neuroni virtuali che reagiscono in rapida successione all’interazione con un input. Una rete così organizzata è in grado di “apprendere” sulla base della regolazione della sensibilità dei neuroni a particolari input e output, per cui la presenza di più strati permette di riconoscere tratti più astratti, quali un volto in una immagine.
Il Tensor Flow è solamente uno dei tanti software open source di apprendimento approfondito, e le sue prestazioni cominciano a perdere il confronto con altri software in alcune operazioni. Ciononostante, è sviluppato per essere facile da utilizzare, e può facilmente essere trasferito su hardware differenti. Dean aggiunge che il suo team sta lavorando duramente per migliorarne le prestazioni.
Nella corsa verso la supremazia dell’apprendimento automatico e la conquista dei talenti migliori, però, altre società potrebbero anche avere la meglio.
(MO)
