WORKSHOP 3 – Dal Machine Learning al Cognitive Computing – Dati come neuroni creeranno la consapevolezza di un nuovo sé?

Temi più rilevanti affrontati durante il dibattito

Partendo dall’analisi del fenomeno e della sua esponenziale diffusione, i partecipanti a questo workshop hanno focalizzato i lavori sui seguenti temi:

• a che punto siamo in questa evoluzione, in particolare quali sono gli aspetti già maturi e quali invece collocabili nella sfera dei ‘sogni’;
• analisi degli strumenti di gestione dell’enorme mole di dati statici e dinamici e della conseguente estrazione di valore (differenze tra data mining, machine learning, deep learning…);
• il peso dei fattori sociali ed antropologici nella evoluzione del rapporto uomo/macchina dei sistemi cognitivi e le possibili applicazioni di queste tecnologie negli attuali contesti di business;
• analisi delle competenze richieste dai sistemi intelligenti di domani (serve un’evoluzione delle competenze non solo It ma anche del business).

I coordinatori del workshop, da sinistra: Massimo Messina, Head of Group Ict di UniCredit e Gabriele Raineri, Chief Information & Digital Officer di Engie Italia

Punti di forza e debolezza

La ‘nuova intelligenza’ mira a sviluppare una capacità di risposta coerente e unificata mediante un meccanismo universale, tecnologico, che si rifà al funzionamento della mente, imparando e interagendo naturalmente con le persone, per amplificare quello che sia gli umani sia le macchine possono fare per ciascun conto. L’ambizione è quella di affiancare la mente nella soluzione di problemi attraverso l’accesso all’enorme quantità di informazioni di cui sempre più disponiamo. È partendo da queste considerazioni che i membri di questo workshop hanno identificato i seguenti punti di forza e opportunità da cogliere:

• augmentation (realtà aumentata, ecc.) e coboting (interazione uomo-bot) come fattori importanti per verificare il naturale affiancamento delle macchine all’uomo anziché la sostituzione di quest’ultimo;
• connettività, può essere tanto un’opportunità quanto un elemento di forte rischio;
• importanza straordinaria per la ricerca It che può vivere una nuova stagione, generando valori diversi e più elevati;
• utilizzo delle tecnologie cognitive/robotiche nelle situazioni di lavoro usurante per riuscire a sostituire definitivamente i lavori ripetitivi, anche quelli svolti dai colletti bianchi;
• democratizzazione della conoscenza, anche se inizialmente oligarchica;
• miglioramento di alcuni aspetti della nostra vita (come l’applicazione dei sistemi cognitivi in ambito sanitario con evidente ricaduta positiva sulla salute dei cittadini, sia per la cura sia per la prevenzione);
• estensione del concetto di ‘augmenting’ non solo inteso come capacità intellettuali ma anche fisiche (esoscheletro, organi umani o parti del corpo riprodotte tecnologicamente ma perfettamente in grado di integrarsi e funzionare con il corpo e il cervello umano);

All’interno di questi scenari esistono numerose criticità; ecco quelle identificate dal gruppo di lavoro:

• debolezza dell’essere umano che non riesce a stare al passo dell’evoluzione oggi fortemente accelerata proprio dalla tecnologia;
• come verificare che i suggerimenti delle macchine siano corretti? In base a quale vincolo ‘etico’ opereranno?;
• importanza della disponibilità dei dati che servono per le analisi e adeguata cultura aziendale (non sempre le aziende hanno la conoscenza necessaria ad utilizzare questi dati e queste tecniche);
• a fronte di miglioramenti specifici della qualità della vita, ci sarà un prezzo da pagare a livello sociale non ancora chiaro (disoccupazione, privacy, interazioni tra machine…);
• sicurezza: la democratizzazione della disponibilità di tecnologie di analisi avanzata può essere usata da Cyber criminali per analizzare le possibili vulnerabilità di aziende, enti, cittadini, ecc.; si sta passando dalla Cyber-Criminality al Cyber-Terrorism e ci si deve proteggere da questo fenomeno.

Proposte concrete di attuazione

Partendo quindi dall’analisi e approfondimento di questi aspetti, il gruppo suggerisce di intervenire in prima battuta sui seguenti punti:

• costruzione di competenze interne alle aziende sulle tematiche di Machine Learning;
• instillare in azienda la cultura necessaria a riconoscere che queste tecnologie sono critiche per il vantaggio competitivo e necessarie per avere un valore differenziante sul mercato, cambiando i fondamentali economici e operativi del business in cui si opera;
• preparare i dati aziendali in modo che possano essere una solida ‘foundation’ per sistemi di analisi basati sul machine learning;
• investire opportune risorse per mettere in sicurezza le soluzioni propedeutiche al machine learning e l’accesso ai dati da esse utilizzate.