I problemi? Le macchine li risolveranno da sole


Per Heath Terry, analista di Goldman Sachs, tre fattori spiegano il trend
. La sanità tra i settori più promettenti


I problemi? Le macchine li risolveranno da sole

Amazon lo usa per suggerire cosa acquistare ai suoi consumatori in base a quello che hanno cercato e comprato sul web. Google ci sta lavorando con le sue auto autonome promettendo di rendere le strade più sicure. Target ne ha fatto ricorso per scoprire prima di altri retailer quando una donna è ai primi mesi di gravidanza, in modo tale da ‘conquistarla’ per sempre. Chi vuole essere competitivo sta investendo nel machine learning.

Machine learning, dove siamo e dove stiamo andando
Apple ha persino abbandonato un pochino della sua segretezza lanciando un sito – Machine Learning Journal – su cui condivide il suo lavoro in questo campo e in quello più ampio dell’intelligenza artificiale; in uno dei suoi post recenti ha incluso le audio in cui si mette a confronto la voce di Siri nelle ultime tre versioni del sistema operativo iOS, dimostrando come l’assistente vocale sia diventata più naturale. Le rivali Alexa (Amazon) e Cortana (Microsoft) comunicheranno tra di loro entro la fine dell’anno. Il prossimo passo sarà renderle totalmente affidabili e responsabili delle risposte che forniscono.

Heath Terry, analista di Goldman Sachs, è convinto che «stiamo andando da un mondo dove le persone danno alle macchine delle regole a un mondo in cui le persone danno alle macchine dei problemi e le macchine imparano come risolverli da sole». Arriveremo al punto in cui chiederemo a un’assistente vocale di suggerirci quale auto comprare e per quali ragioni. Secondo lui con l’intelligenza artificiale e il machine learning «centinaia di miliardi di dollari in risparmi e opportunità di ricavi verranno generati nel prossimo decennio soltanto». Per la società di ricerca Gartner, «smart machine diventeranno mainstream entro il 2021» e «cambieranno profondamente il modo in cui il lavoro viene svolto e come il valore viene creato».

Dati, velocità e algoritmi open source
Analizzando questo fenomeno, Terry ha individuato tre principali driver. Il primo è la proliferazione enorme di dati; l’analista ha citato varie ricerche secondo cui la quantità di dati creati nei prossimi cinque anni crescerà annualmente del 36% a livello composto. D’altra parte le informazioni sono sempre più digitali e con il mondo intero che si rivela su internet è diventato estremamente più facile avere accesso a dati da elaborare e da cui imparare.

Il secondo è l’aumento della potenza e della velocità di calcolo, che consente di «ottenere il tipo di risposte desiderate in tempo reale e in modo tale che abbiano economicamente senso». Il terzo elemento cruciale è la disponibilità di algoritmi open source; di conseguenza «i programmatori sono capaci di lavorare sulla base di quanto fatto da altri in modi che in passato erano impossibili».

Il risultato? La vita di ogni giorno ne è condizionata. La capacità di taggare amici nelle fotografie in modo accurato deriva per esempio dalle tecnologie di machine learning. Queste vengono usate nella grande distribuzione, per abbassare i costi della logistica e per capire meglio cosa i consumatori desiderano. Per Goldman Sachs, una delle applicazioni più interessanti è nella sanità, «dalla semplice riduzione dei costi alla creazione di strumenti di diagnosi più efficaci e rapidi passando per lo sviluppo di sistemi che consentano a gruppi farmaceutici di creare interazioni multiple nei test per lo sviluppo di un medicinale».

L'autore

Stefania Spatti

Stefania Spatti Scrive da New York per le agenzie di stampa AskaNews e Radiocor (Gruppo 24 Ore). Racconta l'umore dei mercati finanziari e l'America di Trump. Adora il nordic noir. Pratica lo shiatsu. È una foodie.