Emilio Billi: i vantaggi dell’Intelligenza Artificiale per le imprese

• Sviluppare un'Intelligenza Artificiale
• Machine Learning: cos'è e come funziona
• Tradurre testi con IA: Neural Machine Translation
• Intelligenza Artificiale per Aziende

Pioniere nello studio e nell’applicazione di Intelligenze Artificiali, Emilio Billi è oggi considerato uno dei massimi esperti del settore a livello internazionale.
Da più di vent’anni lavora come imprenditore nel settore high-tech, implementando progetti di machine learning e sviluppo di algoritmi.
Il suo obiettivo è mettere a disposizione delle aziende sistemi di macchine che siano il più veloci ed efficienti possibile nell’elaborare connessioni critiche fra dati. Insomma, portare sul mercato strumenti di IA per aumentare e migliorare la produttività delle aziende.
La sua attività lo ha portato a lavorare tra l’Italia e la Silicon Valley, dove nel 2012 ha fondato A3Cube Inc. Per questo è stato nominato tra i "Top 50 Artificial Intelligence CEOs of 2020" dalla rivista americana Technology Innovators.
In un momento storico in cui le Intelligenze Artificiali si profilano sempre più come il futuro in ambito aziendale (e non solo), lo abbiamo incontrato per rivolgergli qualche domanda sul funzionamento delle reti neurali e sui possibili vantaggi per i servizi di traduzione.

Vuoi ottimizzare la traduzione di contenuti per il tuo sito grazie all’utilizzo
di Intelligenze Artificiali?

Sviluppare un'Intelligenza Artificiale

Ing. Billi, può raccontarci brevemente il suo percorso?
Cosa l’ha spinta a dedicarsi allo studio delle IA, quali sono le possibilità che vi ha visto?

Il mio è stato un percorso particolare e non ordinato, mi sono formato mano a mano che procedevo. Ho sempre avuto la passione per la matematica, che ha dato origine ad altri interessi: ho studiato Ingegneria Nucleare, ma poi mi sono appassionato anche ad altri elementi, come gli aspetti filosofici sottesi alla matematica,
Sono stato attratto molto presto anche dall’applicazione pratica e concreta di modelli matematici. Già nel 1993-94 ho iniziato interessarmi al mondo dell'Intelligenza Artificiale e alle sue potenzialità. L’inizio degli anni Novanta era un momento in cui ancora quasi nessuno ne parlava: quando tutti parlavano di film e libri di fantascienza noi facevamo questo, perchè questa era la nostra fantascienza.
Poi è venuto il lavoro sulle reti neurali. Una volta capite sono semplici, un po’ come la matematica: spaventa se non la conosci, ma poi una volta capita trovi facilmente la via per uscire dal labirinto e ti rendi conto che alla fine come struttura è semplice.

Machine Learning: cos’è e come funziona

La principale differenza tra l'informatica tradizionale e le IA sta nel diverso concetto di "programmazione". Anzi, per le IA non si parla nemmeno di programmazione: una IA riceve dei dati, e sulla base di questi impara, emulando il processo di apprendimento tramite esperienza che avviene nel cervello umano.
Può illustrarci allora cosa si intende con il concetto di "machine learning"? In che modo il funzionamento di una rete neurale è paragonabile a quello di un cervello umano?

Ad alcuni non è chiaro cosa si intenda per “machine learning” perchè molti non pensano che la macchina possa comportarsi come un uomo. Siamo abituati a immaginarci una macchina come un computer per cui si scrive un codice dando istruzioni su cosa fare e di conseguenza la macchina lo fa. Dopotutto, questo è il modo in cui noi abbiamo iniziato a usare i computer e li abbiamo utilizzati fino a questo momento.

Una Intelligenza Artificiale invece apprende per esperienza, non per programmazione.
Si tratta esattamente dello stesso processo che attraversa una persona che, per esempio, segue un corso da sommelier: impara a distinguere un Cabernet Sauvignon da altri vini grazie all’esperienza reale e diretta, cioè assaggiando diversi bicchieri. È inutile che qualcuno gli spieghi le caratteristiche del vino se poi non lo assaggia e ne fa esperienza diretta. Una volta fatta l’esperienza per la prima volta, poi per analogia quella persona sarà in grado di riconoscerlo tutte le volte che si trova in situazione simile.

Con una macchina basata su IA si fa esattamente la stessa cosa: le si fa vedere cosa deve fare, e lei poi è in grado di replicarlo anche in situazioni diverse, con una flessibilità molto maggiore rispetto a quella di una semplice programmazione.
Se per esempio le voglio insegnare a distinguere delle fotografie, le posso “mostrare” una foto con la spiegazione: “questo è gatto su un divano rosso”. Le fornisco cioè dei dati di partenza sulla base dei quali la macchina impara e ricorda.
Così la macchina quando vedrà fotografie di un gatto su un divano rosso riconoscerà quanto vi è rappresentato, e sarà inoltre in grado di identificare anche immagini simili facendo dei collegamenti con quanto già appreso. Potrà distinguere, per esempio, anche un gatto da solo, o un divano da solo, o un gatto si un divano blu. In questo senso le possibilità sono molto più ampie che con la programmazione dell’informatica tradizionale.
I dati forniti alla macchina devono ovviamente essere corretti (altrimenti sarebbe come dare a uno studente un libro di testo con informazioni sbagliate) e devono essere impostati in modo coerente con il proprio obiettivo. Serve insomma una strategia precisa, e qui entrano in gioco i Project Manager.

L’attenzione verso le IA ha avuto il suo primo boom negli anni Settanta, ma all’epoca non c’erano ancora computer che offrissero una potenza di calcolo tale da svolgere un numero così grande di operazioni in poco tempo. Perchè sì, l'IA a differenza dell’informatica tradizionale offre un “ragionamento” molto più simile a quello dell’uomo, ma ha bisogno di computer molto potenti, che possano risolvere in tempo ragionevoli equazioni con migliaia, se non milioni, di incognite.
Questa potenza di calcolo è stata sviluppata solo molto di recente. Tornando all’esempio dell’insegnare a una macchina a distinguere delle immagini, solo quattro o cinque anni fa un computer impiegava circa 53 giorni per analizzare e imparare da 4 milioni di immagini. Oggi ci vogliono solo 20-30 minuti.

In che senso allora si parla di "supervised learning"?
Qual è allora il ruolo dell'operatore umano nell'apprendimento portato avanti da una rete neurale per completare un progetto per un cliente?

L’uomo, il Project Manager in questo caso, deve fare da insegnante: deve fornire alla macchina un data set che comprenda dei dati e la loro descrizione (il “libro di testo”), così che la macchina possa imparare l’idea che c’è dietro e replicarla altrove.

Qui allora bisogna chiarire cosa si intenda per dati: non si tratta di informazioni sterili codificate, ma in senso ampio si intende tutto ciò che può essere classificato. Anche quando un uomo beve un bicchiere di vino e trasmette al cervello una serie di informazioni sul gusto e sulle sue sensazioni quello che sta trasmettendo sono dei dati. Purtroppo l’informatica ci ha spinti a pensare ai “dati” solo come a tabelle e fogli Excel, quando invece tutte le informazioni che nella nostra vita vengono strutturate sono dei “dati”.

Se si pensa ai dati come a semplici tabelle non si capisce come la macchina possa imparare. Allora forse risulta più utile dire che alla macchina si dà esperienza: la si mette cioè in grado di riconoscere. 
L’apprendimento della macchina è quindi “supervised” in due sensi:

• Occorre preparare offline delle spiegazioni e poi darle alla macchina. Così come i libri di testo o i materiali per gli studenti vengono scritti prima dell’inizio del corso.
• Dopo che alla macchina sono stati forniti i dati (il libro di testo) la si interroga, cioè si fanno dei test: le si mettono davanti situazioni che non ha mai visto e le si chiede “Ora sulla base di quello che ti ho detto fammi vedere cosa hai capito e se hai davvero imparato”. Se la macchina non dà risultati soddisfacenti le si danno altri dati e la si fa lavorare ancora, e alla fine le si dà un voto.

Proprio come uno studente e un insegnante, la macchina deve essere controllata e supervisionata da una persona esperta.

Tradurre testi con IA: Neural Machine Translation

Parlando dell’utilizzo di IA per la scrittura o la traduzione di testi, come entra in gioco il Project Manager di un’azienda che imposta un lavoro per un cliente?

Andando più nello specifico sull’ambito linguistico (quindi utilizzo di IA per la scrittura e traduzione di testi), i dati utilizzati in questo caso sono parole, informazioni morfologiche e sulla semantica del lessico, modelli di strutturazione di frasi e periodi più complessi.
Grazie a queste informazioni il computer è poi in grado di leggere testi e operarci sopra in tempi drasticamente ridotti rispetto a una mente umana. Un tool di IA, per esempio, sarebbe in grado di leggere tutta l’Enciclopedia Britannica in pochi minuti. Un uomo impiegherebbe anni, e una volta finito non si ricorderebbe nemmeno più quanto letto all’inizio.

Questi vantaggi (velocità di esecuzione e memoria dei progetti passati) sono determinanti in alcuni settori, come la traduzione di contenuti per e-commerce. Occorre tradurre in pochissimo tempo una grande mole di contenuti, spesso avendo a disposizione budget ridotti. Un tool di IA è in grado di farlo, conservando oltretutto anche la memoria delle collezioni passate e già tradotte, in modo da snellire ancora di più il processo.

Al momento, quindi, i maggiori benefici dell'utilizzo di IA sono in termini di velocità e di conservazione della memoria dei dati, corretto?

Questi sono sicuramente due aspetti fondamentali e in grado di venire incontro alle esigenze di molte imprese. Non solo multinazionali, ma anche PMI.
Utilizzare tool di IA significa abbattere di molto i tempi di lavoro e permette di fare delle cose che prima non erano possibili. Ora è possibile tradurre centinaia di testi a costi ridottissimi: la macchina in sè non chiede dei soldi, occorrerà solamente pagare il professionista che si occupa del setup e della gestione del progetto.

Intelligenza Artificiale per Aziende

Quale messaggio lancerebbe allora a chi ancora è scettico rispetto all'utilizzo di IA, per paura che questo possa "togliere lavoro" ai professionisti umani?
Si potrebbe dire che la macchina non va a sostituire l'uomo, ma piuttosto ne aumenta le capacità?

Esatto: l’IA cambia le nostre abitudini ma non ci sostituisce. I professionisti non verranno cancellati ma semplicemente si adatteranno, sviluppando nuove competenze che permettano di gestire questi nuovi strumenti.
Questo succede a ogni rivoluzione tecnologica e ogni volta che vengono inventati nuovi strumenti. Pensi a quando è stata inventata la lampadina, quanto potessero esserne risentiti i produttori di candele. Eppure poi si è visto che nel lungo periodo questo è stato di aiuto all’uomo. Dopotutto, questo è il progresso: l’uomo non è fisso ma si evolve e cambia, così cambiano anche le sue necessità e gli strumenti per soddisfarle.

Alcuni pensano che le nuove tecnologie vadano a sovvertire lo status-quo e a creare situazioni negative per l’uomo. Non è così, e la storia ce lo insegna: quando una tecnologia si è rivelata dannosa, l’uomo l’ha eliminata. Se si parte prevenuti però non si arriva da nessuna parte e non ci si potrà mai evolvere.
L’applicazione sempre più diffusa di Intelligenze Artificiali non sostituirà l’uomo. L’uomo non si farà mai sostituire dalla macchina perchè si evolverà egli stesso: quando la macchina lo raggiunge, uomo crea qualcosa che la macchina non sa fare. In secondo luogo, ci sarà una integrazione sempre più stretta tra uomo e macchine a livello sociale, e questo richiederà lo sviluppo costante di nuovi professionisti.

Ti servono Testi SEO per il tuo sito?

seo copywriting