Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Intelligenza Artificiale: traiettorie e prospettive, hype, sogni e paure, risvegli - Luca Console

55 views

Published on

Intervento di Luca Console, Università di Torino e CINI - Laboratorio Nazionale AIIS, al convegno "Verso nuovi mondi. Dati, intelligenza artificiale, cultura" (Torino, 30 ottobre 2018), organizzato dal CSI Piemonte.

Published in: Technology
  • Be the first to comment

Intelligenza Artificiale: traiettorie e prospettive, hype, sogni e paure, risvegli - Luca Console

  1. 1. Intelligenza Artificiale: traiettorie e prospettive hype, sogni e paure, risvegli Luca Console DIPARTIMENTO DI INFORMATICA – UNIVERSITA’ DI TORINO CINI – LABORATORIO NAZIONALE AIIS
  2. 2. Artificial Intelligence • Tecnologia rivoluzionaria o moda del momento • Sogni, magie, paure, hype and down • Ultimi 5 anni, clamore, investimenti, iniziative …. • Ma – Davvero una rivoluzione? – Cosa sta succedendo a livello scientifico/applicativo – Cosa sta sucecdendo a livello politico/strategico Luca Console - AI 2
  3. 3. Traiettoria • Artificial Intelligence: spettro di metodologie e tecnologie • Nasce fine anni 50 e si sviluppa in decenni successivi • Goal: “far svolgere al computer compiti che se svolti da essere umani verrebbero considerati intelligenti” (McCarthy 56) • Ciclicamente alcune aree emergono su altre – “logico” – “common sense” – “probabilistico” – “cibernetico” • Idem approcci applicativi – Sistemi esperti – Robotica – Linguaggio e Traduzione – Visione – Smart objects in IOT – …. Luca Console - AI 3
  4. 4. Picchi e ricadute • In modo simile ad altre discipline in area IT – Ma spesso più marcati – Alone di “magia” e “paura” • Periodi oro anni 70-80 (e oggi) • Periodi critici fine anni 60, inizio anni 90 • Utili per comprendere cosa sta accadendo 4Luca Console - AI
  5. 5. Un esempio: I sistemi esperti anni 70-80 – Risolvere problemi con competenze di un esperto nel settore e fornire spiegazioni – Vari approcci (regole, reti semantiche, frames) – Conoscenza fornita da esperti e formalizzata da Knowledge Engineer Luca Console - AI 5
  6. 6. – Sembrava potessero automatizzare tutto – Chiunque diceva che faceva o voleva sistemi esperti – Aziende spinsero gli “shell” (e le Lisp machine ..) – Conf Sistemi esperti e applicazioni 3000 partecipanti – Nascono Centri di AI (Lab AI del CSI …) – “Fumo comunicativo” – Poi la bolla si è sgonfiata • Scientificamente ottimi risultati • Applicazioni “locali” e “verticali” di successo • Ma troppo gonfiata di aspettative • Risveglio molto brusco in molti casi Luca Console - AI 6 I sistemi esperti degli anni 70-80
  7. 7. Effetti della bolla • Positivi – La ricerca e le applicazioni “serie” sono andate avanti – Comunità di Ai per molti aspetti spinta al rafforzamento (nascono molte società scientifiche, forte collaborazione specie in ambito UE) -> “decrescita felice” nella comunità scientifica • Negativi – Perdita di reputazione – Pesante danno alla comunità scientifica – Chiusura di aziende 7Luca Console - AI
  8. 8. … e dopo quella bolla …. • Ricerca proseguita su diversi ambiti accademici e industriali avevano approcciato i temi in modo serio • Varie aree applicative con sistemi di AI – NLP – Sistemi diagnosi/configurazione/monitoraggio – Robotica – Planning – Recommender – … • In diversi ambiti con ottimi risultati, magari senza troppo clamore – Automotive – Aersopace – Health – Beni culturali – Industria – …. • Molti risultati in ambito italiano Luca Console - AI 8
  9. 9. Oggi – un nuovo boom • Scientifico? • Mediatico? • Su entrambi i fronti? => C’è arrosto ma anche TANTO fumo 9Luca Console - AI
  10. 10. Oggi – un nuovo boom • AI sa soluzione per tutto • Chiunque fa o vende soluzioni con AI dentro • E come allora – Qualcuno lavora seriamente – Ma non tutti • E ancora miti, magie, paure …. • Proviamo a guardare meglio …. 10Luca Console - AI
  11. 11. Cosa si intende per AI oggi • Una visione distorta • Sorta di equazione implicita AI = machine (deep) learning • Scientificamente scorretta e questo fa male a AI e a deep learning • Claim: Deep neural networks sono la soluzione per tutto 11Luca Console - AI
  12. 12. Cosa è Deep Learning Reti Neurali Artificiali • Metodologie che hanno decenni – Evoluzione di modello computazionale anni 30-40 • Oggi – Potenza di calcolo cresciuta esponenzialmente permette di creare reti di grandi dimensioni (profonde) e applicarle con successo ad alcun tipologie di problemi – Disponibilità illimitata di dati 12Luca Console - AI
  13. 13. • Training della rete con esempi classificati (input e output disponibili): Learning • Algoritmi che garantiscono convergenza ovvero stabilizzazione dei legami tra i neuroni con un peso • Rete usabile per gestire nuovi input e quindi risolvere problemi 13Luca Console - AI
  14. 14. Molte applicazioni – “comprensione” del linguaggio – “traduzione” – Visione e riconsocimento – Robotica – Recommendation – Decision making – Classificazione – ….. E loro combinazioni (es. guida autonoma, chatbot, ..) Luca Console - AI 14
  15. 15. Cosa sta succedendo? • Potenza di calcolo attuale permette di dare vita a metodologie che hanno decenni • Forte spinta da parte di big player (che hanno dati e calcolo) – Google, Microsoft, IBM … • “facile” costruzione di soluzioni – “impressionano” ma non tutti e… dipende come si valutano – Vantaggi e problemi Luca Console - AI 15
  16. 16. Ad esempio • Fornisco esempi di persone con strumenti musicali • Apprendo un sistema di riconsociemento e classificazione che riconoscerà queste situazioni e le altre per cui ho fornito esempi Luca Console - AI 16
  17. 17. E dati questi successi …. • Tutti dicono che usano AI • Chiunque venda un qualunque manufatto IT afferma che ha AI all’interno • Di AI parlano tutti anche chi non sa di cosa parla • Si ipotizzano Umanoidi in grado di sostituirci in tutti …. Miti, paure … 17Luca Console - AI
  18. 18. Conoscenza Reasoning Problem Solving Learning Comunicazione Collaborazione ……..Interazione Naturale Seamless Adattiva Personale Contesto-ambiente AI in tutti i casi? NO Luca Console - AI 18 Conoscenza Reasoning Problem Solving Learning Conoscenza Reasoning Problem Solving Learning • AI si basa sull’idea di un sistema • Spesso deep learning e network solo una parte
  19. 19. Appreso qualcosa da esempi …. • Trasformare in conoscenza • Integrare con altra conoscenza • Ma inferire tutto ciò che sta dietro a questo • per prendere decisioni non solo reattive • Problem solving • Spiegazione • Interazione 19Luca Console - AI
  20. 20. Quindi... • Ottime soluzioni e applicazioni (non sempre) – Visione – Robotica – Linguaggio e traduzione -> chatbot – … • Applicazioni, verticalizzazioni (come per sistemi esperti) • Spesso ancora lontani da vera intelligenza umana 20Luca Console - AI
  21. 21. Human-like intelligence VS Animal like abilities The vision systems of the eagle and the snake outperform everything that we can make in the laboratory, but snakes and eagles cannot build an eyeglass or a telescope or a microscope. (Judea Pearl) Luca Console - AI 21
  22. 22. Ancora su miti sogni e paure • Ambiti di ricerca interessanti • Soluzioni serie • Ma anche patacche • Guardare nella giusta prospettiva – Deep learning non è soluzione per tutto – Ottimi sistemi e verticilizzazione – Voliamo basso con sogni e i miti – Smitizziamo le paure – Imparare dal passato Luca Console - AI 22
  23. 23. E attenzione • Una disciplina scientifca e i pericoli di un boom – Pro e Contro e attenzione (anche alle storie passate)! – Ciarlatani e saltinbanchi: Troppi saltano sul carro solo perché è un carro di moda e spesso non sanno nemmeno di cosa si tratta – Divulgazione • Spesso troppo enfatica • Spesso non informata • Attenzione ai grandi player e alle direzioni che inducono • Attenzione a non egemonizzare ricerca e formazione su AI => forte impoverimento culturale in atto Luca Console - AI 23
  24. 24. AI e Analisi Dati • Ottime soluzioni per analisi dati – Data mining, Knowledge discovery • Ragionare su “conoscenza” che si produce • Integrazione con altra “conoscenza” Luca Console - AI 24
  25. 25. La situazione politico/strategica • Italia avanti a livello scientifico ma molto indietro a livello politico – Vedi Francia (Cedric Villani), Germania (Wolfgang Wahlster), Scandinavia, Stati Uniti (nuove linee ricerca AI - Explainability), …. e vedi movimenti in UE (Claire, Ellis) – Invece task force AI di Agid ….. – e vediamo cosa farà il MISE (think tank di 30 esperti) …. Luca Console - AI 25
  26. 26. 26 • A consortium of 45 Italian Universities that – do research in CS/CE – deliver BS, MS, PhD degrees – are public funded – Involves 1,300+ professors of CS or CE • Involves 1,300+ professors of CS or CE Laboratorio CINI AIIS Luca Console - AI 26
  27. 27. CINI: Thematic R&D National Labs • AIIS: Artificial Intelligence and Intelligent Systems • AsTech: Assistive Technologies • Big Data • CFC: ICT Skills, Training, and Certification • Cybersecurity • Embedded Systems & Smart Manufacturing • Infolife: Formal Methods and Algorithmics for Life Sciences • Informatica e Società • Smart Cities & Communities Luca Console - AI 27
  28. 28. Laboratorio Nazionale AIIS • Nasce a Luglio 2018 • Forte tradizione Italiana in AI • Necessità di Organismo Scientifico Italiano al pari di altri paesiEuropei • Contesto di iniziative in US, Cina, Europa Luca Console - AI 28
  29. 29. Obiettivi • rafforzare la ricerca italiana • supportare il ruolo dell’Italia nel mondo • sostenere l'industria IT italiana promuovendo il trasferimento tecnologico dalla ricerca alla imprenditorialità • supportare la società Italiana • Contribuire a nuove visioni dell’AI non solo tecnologiche • Monitorare le risorse italiane per sviluppare la tecnologia Luca Console - AI 29

×