Quando un'applicazione ti assicura di essere alimentata da "intelligenza artificiale", sembra per un attimo che tu sia nel futuro. Ma cosa significa questo in realtà? Stiamo lanciando grandi parole d'ordine - intelligenza artificiale, apprendimento automatico, reti neurali - ma cosa significano veramente e aiutano davvero a migliorare le app?
Più recentemente, Google e Microsoft hanno aggiunto la formazione sulla rete neurale alle loro applicazioni di traduzione. Google afferma di utilizzare l'apprendimento automatico per offrire playlist. Todoist dice che usa l'intelligenza artificiale per indovinare quando dovresti finire un'attività. Any.do afferma che la sua intelligenza artificiale può svolgere alcuni compiti per te. Ed è stato tutto solo la scorsa settimana. Alcuni espedienti di marketing sembrano impressionanti e rimangono degli espedienti, ma a volte le modifiche sono innegabilmente utili. "Intelligenza artificiale", "apprendimento automatico" e "reti neurali" descrivono tutti i modi in cui i computer utilizzano per svolgere compiti più seri e apprendere durante il processo. E mentre potresti aver sentito che gli sviluppatori di applicazioni adottano i sistemi di altri, in pratica sono molto diversi.
Le reti neurali analizzano dati complessi per imitare il cervello umano
Le reti neurali artificiali (ANN, o semplicemente "reti neurali") si riferiscono a un tipo specifico di modello di apprendimento che emula il funzionamento delle sinapsi nel cervello. L'elaborazione tradizionale utilizza una serie di operatori logici per eseguire un'attività. Le reti neurali, d'altro canto, utilizzano una rete di nodi (che agiscono come neuroni) e analoghi di sinapsi (bordi) per elaborare i dati. L'input viene passato attraverso il sistema e l'output viene generato.
I risultati vengono quindi confrontati con dati noti. Ad esempio, supponiamo che tu voglia addestrare un computer a riconoscere l'immagine di un cane. Trasmetti in streaming milioni di immagini di cani in tutto il Web per vedere quali immagini sceglie per sembrare cani. La persona quindi conferma quali immagini sono effettivamente cani. Il sistema privilegia il percorso nella rete neurale che ha portato alla risposta corretta. Nel tempo e dopo milioni di iterazioni, questa rete alla fine migliorerà l'accuratezza dei suoi risultati.
Per vedere come funziona in azione, puoi provare l'esperimento Google Quick Draw!.. In questo caso, Google addestra il Web a riconoscere doodle, schizzi veloci. Confronta il disegno che disegni con gli esempi che fanno altre persone. La rete impara a riconoscere i doodle futuri in base a ciò che ha visto in passato. Anche se disegni come un bambino di cinque anni (come me), la rete è molto veloce nel riconoscere le forme semplici: sottomarini, piante, anatre. Provalo, divertente.
Le reti neurali non sono una panacea, ma sono ottime per gestire dati complessi. Google e Microsoft utilizzano le reti neurali per addestrare le loro applicazioni di traduzione perché tradurre le lingue è difficile. Abbiamo visto molte traduzioni automatiche sbagliate, ma le reti neurali sono addestrate per migliorare quelle traduzioni sulla base di traduzioni corrette nel tempo. Lo stesso accade con la traduzione da parlato a testo. Dall'introduzione della rete neurale alimentata da Google Voice, gli errori di traduzione sono diminuiti del 49%. Questi sistemi non sono perfetti, ma funzionano su se stessi, e questa è la cosa principale.
Video promozionale:
L'apprendimento automatico insegna ai computer a migliorare nella pratica
L'apprendimento automatico è un termine ampio che copre tutti i momenti in cui si cerca di insegnare a una macchina a migliorare da sola. In particolare, ciò si applica a qualsiasi sistema in cui le prestazioni del computer nel completare un'attività sono migliorate solo da una maggiore esperienza con l'attività. Le reti neurali sono un esempio di apprendimento automatico, ma non sono l'unico modo per addestrare un computer.
Ad esempio, uno dei metodi alternativi di apprendimento automatico è chiamato apprendimento per rinforzo. In questo metodo, il computer esegue un'attività e quindi ne valuta il risultato. Se, ad esempio, il computer vince a scacchi, assegna il valore di vincita a una serie di mosse che utilizza durante il gioco. Dopo aver giocato a milioni di partite, il sistema può determinare quali passaggi hanno maggiori probabilità di portare alla vittoria in base ai risultati dei giochi precedenti.
Mentre le reti neurali sono utili per cose come il riconoscimento di pattern nelle immagini, altri tipi di machine learning possono essere più utili per varie attività come identificare la tua musica preferita. Google afferma che la sua app musicale troverà la musica che desideri ascoltare. Lo fa analizzando le tue playlist precedenti. Se il risultato non ti piace, la macchina lo considererà un fallimento. Ma se scegli uno degli elenchi suggeriti, lo contrassegnerà come un successo e analizzerà le mosse vincenti che l'hanno portata nel tuo cuore.
In casi come questo, non otterrai tutti i vantaggi dell'apprendimento automatico se non utilizzi questa funzione frequentemente. Quando apri l'app Google Music per la prima volta, molto probabilmente i consigli supereranno il checkout. Ma più lo usi, migliori saranno i suggerimenti. Almeno in teoria. Anche l'apprendimento automatico non è una panacea. L'apprendimento automatico è più vago delle reti neurali, ma implica anche che il software che utilizzi farà affidamento sul tuo feedback per migliorarne le prestazioni.
L'intelligenza artificiale è tutto con il prefisso "intelligente"
Proprio come le reti neurali sono una forma di apprendimento automatico, l'apprendimento automatico è una forma di intelligenza artificiale. Ma la categoria di "intelligenza artificiale" è ancora così poco definita che questa frase non ha alcun significato pratico. Sì, evoca immagini di un futuro tecnologicamente avanzato, ma in realtà non ci siamo ancora avvicinati. L'OCR una volta era troppo difficile per una macchina, ma ora un'app sul telefono può scansionare documenti e trasformarli in testo. Definirlo un'impresa di intelligenza artificiale è in qualche modo inappropriato.
Il motivo per cui le funzionalità di telefonia di base possono essere considerate intelligenza artificiale è perché in realtà esistono due tipi di intelligenza artificiale. L'IA debole o strettamente mirata descrive qualsiasi sistema progettato per eseguire un elenco ristretto di attività. Ad esempio, Google Assistant o Siri, essendo un'IA piuttosto potente, eseguono ancora un elenco piuttosto ristretto di attività. Ricevono comandi vocali e restituiscono risposte oppure avviano applicazioni. La ricerca sull'intelligenza artificiale alimenta queste caratteristiche, ma sono considerate "deboli".
Al contrario, una potente intelligenza artificiale, nota anche come intelligenza artificiale generale o "intelligenza artificiale completa", è un sistema in grado di eseguire qualsiasi compito umano. E non esiste. Pertanto, qualsiasi applicazione "intelligente" è ancora debole intelligenza artificiale.
Sebbene le implicazioni possano essere vaghe, la ricerca pratica nell'intelligenza artificiale è così gratificante che probabilmente è già entrata nella tua vita quotidiana. Ogni volta che il tuo telefono ricorda automaticamente dove hai parcheggiato, riconosce i volti nelle foto, riceve suggerimenti di ricerca o raggruppa automaticamente tutti gli scatti del fine settimana, stai toccando l'intelligenza artificiale in un modo o nell'altro. In una certa misura, "intelligenza artificiale" significa semplicemente che le app saranno leggermente più intelligenti di quelle a cui siamo abituati. L'etichetta "AI" non significa quasi nulla di pratico da un punto di vista pratico ora.
ILYA KHEL
