Affrontare la difficile relazione fra intelligenza artificiale e robot | ZeroUno

Affrontare la difficile relazione fra intelligenza artificiale e robot

pittogramma Zerouno

Prospettive

Affrontare la difficile relazione fra intelligenza artificiale e robot

È questo il tema dell’interessante intervento di Barbara Caputo, Professor del Politecnico di Torino e Board Member di ELLIS, in occasione del convegno “Puntare sull’intelligenza artificiale per la ripresa del sistema paese”, organizzato dall’Osservatorio Artificiale Intelligence del Politecnico di Milano. Anche se l’AI è già fra noi in molti ambiti, restano irrisolti problemi di base quando l’AI si materializza e agisce fisicamente nel mondo; problemi che vanno affrontati per far sì che l’AI, embedded ed enbodied, possa diventare un motore di ripresa per il Paese

16 Lug 2021

di Elisabetta Bevilacqua

Fei Fei nasce in Cina nel 1976 e, dopo pochi anni, emigra con la famiglia negli Usa, in una piccola città del New Jersey, dove i genitori lavorano in una lavanderia. Fei fei si fa notare a scuola per la sua intelligenza e vince una borsa di studio per una grande università americana come la Princeton University dove si laurea in fisica. Questa è la storia in breve di Fei Fei Ling, oggi professor della Stanford University e leggenda dell’intelligenza artificiale, con cui Barbara Caputo, Professor, Politecnico di Torino & Board Member, ELLIS (European Lab for Learning and Intelligent Systems) introduce il suo intervento su “L’intelligenza artificiale e i robot”, in occasione del convegno Puntare sull’intelligenza artificiale per la ripresa del sistema paese, organizzato dall’Osservatorio Artificiale Intelligence del Politecnico di Milano.

“Dobbiamo ringraziare Fei Fei per molte cose ma soprattutto perché nel 2004 capisce l’importanza dei dati nella ricerca sulla visual recognition e guida la comunità scientifica nel capire che servono data base sempre più complessi. Crea così un data base, ImagineNet, grazie al quale è stato possibile realizzare un cambio di paradigma fondamentale per il progresso dell’AI negli ultimi anni”, aggiunge Caputo. È questo il data base sul quale vengono addestrati e sviluppati la maggioranza degli algoritmi utilizzati nel campo della visione.

Le reti neurali vengono da lontano

“Si è molto parlato di reti neurali ma vorrei ricordare che questa intuizione viene da lontano”, ricorda ancora Caputo citando un trafiletto del 1958 del New York Times in cui si parla della presentazione del percettrone da parte dello psicologo statunitense Frank Rosenblatt che si è molto impegnato nel campo dell’AI. Nell’intervista dichiara: “Il percettrone all’inizio farà degli errori ma poi imparerà dall’esperienza proprio come facciamo noi”.

Quella messa a punto da Rosenblatt resta la tecnologia su cui, con gli inevitabili aggiustamenti, si basa la capacità dell’AI di apprendere dall’esperienza, grazie ad algoritmi discriminativi dello stesso tipo del percettrone.

Oggi abbiamo molta AI fra noi anche se il grande pubblico la ignora dandola per scontata. Sono ad esempio AI driven e AI based i filtri per lo spamming, una serie di tecnologie di optical recognition che consentono di versare in automatico gli assegni ed effettuare la distribuzione automatica della posta. Sono AI driven tutti gli algoritmi che, sugli smartphone, realizzano la messa a fuoco dei visi (face detection), assumendo che il viso sia l’elemento più importante di un’immagine. “Di questa AI non abbiamo paura, non ci servono spiegazioni, non la chiamiamo neppure AI- nota Caputo – L’AI che ci preoccupa è invece quella embodyed che va a far parte di un corpo fisico che agisce”.

Le sfide di base dell’AI ancora aperte

Viene percepita come più temibile e inquietante l’AI legata a scenari di riabilitazione intelligente, di robot nel ruolo di human companion per anziani, la robot kitchen, la collaborazione uomo-robot in ambito lavorativo, l’auto a guida autonoma che sembra destinata a un impatto significativo nella nostra vita.

“Questo tipo di AI in realtà ancora non c’è – sostiene Caputo – È vero che stiamo vivendo in un periodo congiunturale ma ci sono soprattutto motivi fondazionali per i quali questa AI ancora non è qui”.

Quando l’AI è embodied in un sistema autonomo, la sua percezione tenderà ad essere differente dalla nostra, è la spiegazione. Il problema nasce dalla necessità di far funzionare il sistema in autonomia e la sua capacità di riconoscere eventi inaspettati. “Questa è una sfida concettuale ancora aperta”, aggiunge. Se qualcuno attraversa la strada, a esempio, i sistemi a guida autonoma devono avere la capacità di reagire all’anomalia e riconoscerla in tempo per poter reagire.

Un’altra sfida aperta è la manipolazione. Quando pensiamo al riconoscimento di un oggetto, nel caso del riconoscimento visivo, pensiamo a un’applicazione che si basa su dati generati da persone. “Ma se vogliamo che un robot dotato di mani usi degli oggetti, ipotizziamo che ‘capisca’ l’oggetto: questo ha molto a che fare con l’usarlo bene. In questo caso la funzionalità ha un grande impatto sulla nostra rappresentazione concettuale. Tuttavia non siamo ancora in grado di implementare algoritmi che abbiamo questo tipo di rappresentazione concettuale e la ricerca in questo campo è ancora ai primissimi passi”, sottolinea Caputo.

Privacy e sicurezza: l’AI embodied le assicura?

I robot e tutto quanto è embodied hanno e avranno bisogno di molti dati per i quali la privacy resta un grande problema aperto. La risposta della comunità scientifica è il federated learning, dove l’apprendimento avviene in maniera delocalizzata e condivisa; viene dunque distribuito il risultato della computazione ma non il dato. “Si tratta di un primo paradigma ma un’applicazione di massa, invariante rispetto a molti utilizzi di routine, è ancora lontana”, commenta Caputo che introduce un ulteriore domanda. Ci possiamo fidare di un AI che opera su oggetti che si muovono e agiscono nel mondo? In questo caso spiegare non è sufficiente. Se l’auto a guida autonoma non si ferma alle strisce pedonali e mette sotto qualcuno o se in fabbrica un robot causa danni fisici all’operaio, non ci possiamo accontentare di una spiegazione su cosa non abbia funzionato. “Dobbiamo arrivare a un’AI con algoritmi certificati con un probabilità statistica 5-sigma di fare davvero quanto promettono e un SIL (Safety Integrity Level) garantito”, suggerisce Caputo.

L’AI come motore di ripresa per l’Italia

È importante lavorare sulle criticità fin qui esposte perché proprio l’AI, enbodied ed embedded, può rappresentare un importante driver per il sistema economico, le imprese, la ricerca in Italia, un paese abituato a saper fare le cose.

“Mettere l’AI nelle cose, significa anche rimettere in moto nel Paese l’ascensore sociale, fermo da troppo tempo – conclude Caputo- Ho iniziato il mio intervento parlando della storia di Fei Fei, una ragazza straordinaria che si è trovata in un nuovo Paese a dover ricominciare da capo, armata solo del suo talento e della sua voglia di fare. L’AI è stato un grande motore per Fei Fei. Come tanti miei colleghi, vedendo molti ragazzi con talenti straordinari, penso a cosa potrebbe fare l’AI, per noi come sistema Paese e per loro, per aiutarli costruire un futuro con le proprie mani”.

Elisabetta Bevilacqua

Giornalista

Sono attiva dal 1989 nel giornalismo hi-tech, dopo esperienze in uffici studi di grandi gruppi e di formazione nel settore dell’informatica e, più recentemente, di supporto alle startup. Collaboro dal 1995 con ZeroUno e attualmente mi occupo soprattutto di trasformazione digitale e Industry 4.0, open innovation e collaborazione fra imprese e startup, smart city, sicurezza informatica, nuove competenze.

Argomenti trattati

Approfondimenti

I
Intelligenza Artificiale

Articolo 1 di 4