30 Dic Intervista a Luca Oneto, “miglior giovane ricercatore italiano in Intelligenza Artificiale 2019”
Intervista a Luca Oneto, premiato come miglior giovane ricercatore italiano in Intelligenza Artificiale nel 2019.
CW: Innanzitutto ti ringraziamo per aver accettato di rispondere ad alcune delle nostre domande. Ricevere un parere e una prospettiva scientifica di tale livello è per noi motivo di grande orgoglio.
LO: Grazie a voi per l’invito, per me è un onore e un piacere.
CW: Ma partiamo da te: ambizioso Premio Somalvico a parte, chi è Luca Oneto?
LO: Sono un Professore Associato in Sistemi di elaborazione delle informazioni presso l’Università di Genova. Sono nato a Rapallo (GE) nel 1986 e vivo a Villa Oneto, una piccola frazione nel comune di San Colombano Certenoli (GE). Ho studiato all’Università di Genova e ottenuto la Laurea Triennale e Magistrale in Ingegneria Elettronica e il titolo di Dottore di ricerca, nella Scuola di dottorato in Scienze e tecnologie per l’informazione e la conoscenza. Questo, rispettivamente nel 2008, 2010 e 2014.
Dopo un periodo da Ricercatore a tempo determinato in Ingegneria Informatica presso l’Ateneo ligure, nel 2019 ho ricevuto l’Abilitazione Scientifica Nazionale per il ruolo di Professore ordinario in Sistemi di elaborazione delle informazioni e in Informatica. Così sono diventato il più giovane abilitato Professore ordinario nei suddetti settori.
Negli anni ho condotto attività didattiche e di ricerca con vari centri e atenei nazionali e internazionali. Tra queste: University College London, Deep Mind, Istituto Italiano di Tecnologia, Nanyang Technological University, e Princeton Siemens Research Centre. Ho anche collaborato con aziende nazionali e internazionali (Amazon AWS, SAP SE, Hitachi Rail, Ansaldo Energia, aizOOn, VarGroup, NTT Data, Damen Shipyards Group).
Il mio ambito di ricerca primario è l’intelligenza artificiale e le ripercussioni etiche del loro utilizzo in contesti sociali. In particolare, mi occupo di problemi di apprendimento automatico a partire dai dati per risolvere problemi provenienti dai mondi dell’industria, della sicurezza informatica, dell’etica e delle attività sociali.
CW: In quanto “Maggior esperto in italiano di Intelligenza Artificiale”, ci puoi dire qual è l’impatto dell’AI nella vita di tutti i giorni di noi persone comuni mortali?
LO: Grazie per l’apprezzamento ma non sono il maggior esperto italiano, ma solo il maggior esperto under 40 italiano. In Italia ci sono tantissime eccellenze nel campo (per esempio Milano, Firenze, e Cosenza), quindi è sempre giusto ridimensionarsi. L’AI oramai pervade le nostre vite a partire dai comuni smartphone e Social Network ma anche in luoghi meno comuni come gli e-commerce, i robottini per le pulizie di casa, e i semafori delle città.
L’AI è alla base di questi strumenti, permette di “replicare” e “emulare” il comportamento umano in maniera molto veloce e oramai anche affidabile. Basti pensare all’“epica” battaglia tra il campione mondiale di GO e una macchina che, imparando da milioni di partite giocate online, ha saputo battere l’uomo in una sfida che per secoli è parsa inaffrontabile.
Il problema oramai non è più riuscire a risolvere problemi attraverso l’uso dell’AI ma rendere l’AI sempre più umana rispettando tutti i vincoli che la società impone (per esempio privacy, imparzialità, spiegabilità). Occorre quindi, come per tutte le tecnologie, cercare di comprenderle e essere coscienti dell’impatto che queste possono avere sulla nostra vita. Ormai ogni dispositivo elettronico ha al suo interno strumenti di intelligenza, persino le lavatrici che adattano il ciclo di pulizia attraverso sensori all’interno del cestello dei panni sporchi.
CW: Per quanto riguarda invece il mondo dell’economia e del business?
LO: Anche in questo ambito l’AI sta diventando sempre più pervasiva sia come strumento per migliorare i prodotti che come strumento per monitorare la produzione. Un esempio famoso è quello della Rolls-Royce. La sezione propulsori a turbina per aerei decise di cambiare completamente il suo business passando dalla vendita dei propulsori al loro noleggio. Così si prese in carico la loro manutenzione e efficienza tramite strumenti di AI e diminuì i costi per le compagnie, senza diminuire la qualità del servizio.
Al tempo questa scelta venne criticata ma oggi, grazie anche a questa scelta, Rolls-Royce è l’azienda leader nel settore. In economia e finanza l’AI sta iniziando da alcuni anni la sua ascesa prepotente. Questo, grazie alla sua capacità di trasformare la grande mole di dati di Internet (in tutte le sue accezioni: news, social, e-commerce) in fonte di informazione per prevedere gli andamenti del mercato, le mode, i trend, i consumi al fine di aiutare le strategie di business.
CW: Spesso è difficile spiegare e capire le differenze sostanziali tra Machine Learning e Deep Learning. Puoi darci una mano tu?
LO: La differenza, purtroppo, non è semplice da spiegare a una persona non tecnica, ed è per questo che c’è molta confusione. Provo a spiegarla a mio modo.
Il Machine Learning necessita di una descrizione semplificata della realtà che spesso è fatta da un operatore umano nel cosiddetto processo di Feature Engineering. Uso un piccolo esempio: supponiamo di costruire una macchina capace di stimare il valore di un’auto usata. Il questo caso occorre estrarre delle variabili descrittive (colore, numero di porte, capienza bagagliaio, qualità dei materiali) e poi dare alla macchina una serie di esempi storici (valutazioni di auto fatte nel passato da umani) per stimare, in base a queste variabili descrittive, il valore di una nuova auto usata mai vista in precedenza.
Il Deep Learning permette di eliminare la fase di Feature Engineering fatta da umani, estraendo variabili descrittive direttamente dai dati (per l’esempio descritto sopra, da immagini delle auto). Infatti, spesso, il Deep Learning è sinonimo di Representation Learning, ossia il problema di imparare una rappresentazione, ovvero una serie di variabili descrittive del problema.
CW: Creative Words è un’Agenzia di traduzione che crede molto nell’enorme potenziale dell’Intelligenza Artificiale applicata ai servizi linguistici, partendo dalla Machine Translation primo ambito di nostra competenza, passando per il riconoscimento vocale e giungendo all’interpretazione automatica. Questo è un ambito davvero molto interessante e complicato. Persino Google sta ancora lavorando al suo Google Translate migliorandolo negli anni[1] ma purtroppo i risultati non sono spesso quelli aspettati. Il linguaggio è una cosa molto complessa e locale in cui serve moltissimo contesto, la cosiddetta intelligenza generica, mentre per ora c’è molta intelligenza ristretta. Come è cambiato il mondo con la Machine Translation?
LO: Negli anni, soprattutto nell’ultimo decennio, la Machine Translation è cambiata molto. Il Deep Learning, ossia la capacità di rappresentare il testo in maniera più espressiva e integrata con altre sorgenti di informazione (ontologie, concetti, sinonimi, regionalità, ecc.) assieme alla forte sprinta dei FAANG[2] verso l’interazione vocale con i dispositivi elettronici (Siri, Alexa, Hey Google, Cortana, ecc.) ha spinto la ricerca moltissimo verso la comprensione del linguaggio e negli ultimi anni i miglioramenti sono stati evidenti. La traduzione automatica è un sogno prospettato più volte anche da Microsoft con il suo Skype con traduzione live del parlato. Ma per ora serve ancora molto lavoro.
CW: Classica domanda old but gold, qual è il futuro dell’Intelligenza Artificiale, e quale dovrebbe essere l’approccio dell’individuo all’evoluzione di questa disciplina scientifica?
LO: Il futuro dell’AI è in parte roseo e in parte grigio. È roseo perché ci sono migliaia di opportunità di business e di ricerca. Ma nello stesso tempo la mancanza di regolamentazione e l’uso non sempre cristallino delle tecnologie ne sta minando l’utilizzo in alcuni settori.
Molti si aspettando un altro inverno dell’AI[3] mentre altri hanno previsioni molto più rosee. Una cosa è certa: con le tecnologie attuali siamo arrivati a una sorta di limite nel quale i cambiamenti stanno diventando sempre meno percettibili e si aspetta con ansia una nuova rivoluzione (una promessa è il Quantum Computing).
Esclusi i FAANG, le aziende e la formazione non sono riuscite a sostenere un cambiamento così veloce e gli investimenti nel settore saranno ancora forti per molti anni, nel rendere queste tecnologie fonte di business. Le regolamentazioni in materia (il GDPR, il problema della responsabilità, e del diritto alla comprensione ossia la spiegabilità) minacciano di limitare moltissimo l’utilizzo di queste tecnologie in moltissimi ambiti.
Perciò il futuro dell’Intelligenza Artificiale corre su questi due binari: salti tecnologici e consolidamento delle tecnologie in contesti dove le macchine sono chiamate a diventare sempre più umane.
