Werner Volges (Amazon): «Ecco perchè tutti oggi possono usare l'intelligenza artificiale»

MILANO - Spesso si riesce a determinare solo a posteriori il momento in cui una tecnologia arriva al punto di svolta. Nel caso dell’intelligenza artificiale (AI) e del machine learning (ML), invece, è diverso. Il machine learning è quella parte dell’intelligenza artificiale che descrive le regole e riconosce i pattern da grandi quantità di dati, in modo da prevedere i dati futuri. Entrambe le idee sono virtualmente onnipresenti e in cima alle classifiche dei termini più alla moda.

La massa critica
Per Werner Volges, CTO e vice presidente di Amazon, questo è il momento migliore per sviluppare applicazioni smart e usarle. Il motivo? «Stanno accadendo tre cose - spiega Volges -. Gli utenti di tutto il mondo stanno registrando dati in modo digitale, sia nel mondo fisico tramite sensori o GPS, sia online attraverso dati clickstream. Il risultato è quindi la disponibilità di una massa critica di dati. Secondo: c’è abbastanza capacità di computing disponibile sul cloud per le aziende, indipendentemente dalla loro dimensione, per utilizzare applicazioni intelligenti. Terzo: c’è una «rivoluzione algoritmica», cioè è ora possibile allenare miliardi e miliardi di algoritmi simultaneamente, rendendo l’intero processo di machine learning molto più veloce. Questo ha reso possibile una ricerca maggiore, che ha quindi consentito di raggiungere la «massa critica» nella conoscenza necessaria per iniziare una crescita esponenziale nello sviluppo di nuovi algoritmi e architetture».

Se è vero che abbiamo compiuto una strada relativamente lunga con l’AI, si tratta di un processo che ha avuto luogo in sordina. Dopotutto, negli ultimi 50 anni, intelligenza artificiale e machine learning sono stati accessibili solo a un gruppo ristretto di ricercatori e scienziati. Questo oggi sta cambiando, grazie a una quantità di servizi, framework e tool di AI e ML disponibili per qualsiasi tipo di azienda, incluse quelle che non hanno team di ricerca dedicati in questo ambito. I management consultant di McKinsey si aspettano che il mercato globale per servizi, software e hardware basati su AI cresceranno ogni anno del 15-25%, per raggiungere un volume di circa 130 miliardi di dollari entro il 2025.

Il progresso attraverso il machine learning
Tutto il parlare che si fa su AI e ML è davvero giustificato? Si, perché AI e ML offrono alle aziende e alla società possibilità affascinanti. «Con l’aiuto della digitalizzazione e dei computer ad alte prestazioni, siamo in grado di replicare l’intelligenza umana in alcune aree (come la visione artificiale), e addirittura superarla - continua Volges -. Stiamo creando diversi algoritmi per una ampia gamma di aree di applicazione e stiamo trasformando queste singole parti in servizi, così che il ML sia disponibile per tutti. Inserito nelle applicazioni e nei modelli di business, il machine learning può rendere la nostra vita più piacevole o sicura». Prendiamo per esempio la guida autonoma: il 90% degli incidenti stradali negli Stati Uniti possono essere ricondotti all’errore umano. Si presume quindi che, se le auto saranno guidate in modo autonomo, il numero di incidenti sul lungo termine diminuirà. Nel campo dell’aviazione, ad esempio, questo accade già da molto tempo.

Machine Learning in Amazon
Negli ultimi 20 anni, migliaia di software engineer di Amazon hanno lavorato sul Machine Learning. A inizio del 2018 Amazon aprirà un centro di ricerca e sviluppo dedicato all’Intelligenza Artificiale proprio a Barcellona, dove gli ingegneri continueranno a studiarne gli sviluppi. In passato, chiunque volesse utilizzare l’intelligenza artificiale per se stesso doveva iniziare da zero, sviluppando algoritmi e alimentandoli con enormi quantità di dati (anche se aveva bisogno di un’applicazione per un contesto ristretto). Questo si riferisce alla cosiddetta intelligenza artificiale «debole»: molte delle interfacce utente con cui tutti abbiamo confidenza oggi (come funzioni di raccomandazione, somiglianza o autofill per la ricerca predittiva), sono tutte guidate dal machine learning. Al contempo, si possono prevedere i livelli di inventory o i lead time per i vendor, individuare i problemi dei clienti e capire automaticamente come risolverli, scoprire merci contraffatte e risolvere commenti offensivi, proteggendo quindi i nostri utenti dalle frodi. Ma questo è solo la punta dell’iceberg. «In Amazon ci basiamo su miliardi di informazioni degli ordini storici, il che ci consente di creare ulteriori modelli basati su AI/ML per diversi tipi di funzionalità - continua Vogels -. Per esempio, le interfacce di programmazione che gli sviluppatori possono utilizzare per analizzare le immagini, trasformare il testo in linguaggio realistico o creare chatbot. In sostanza, chiunque voglia definire modelli, allenarli e poi scalare può trovare qualcosa. Le librerie preconfigurate e i framework di deep learning sono ampiamente disponibili, il che consente a chiunque di iniziare molto velocemente». Oggi le tecnologie di intelligenza artificiale e machine learning sono disponibili di serie e possono essere richiamate in base alle esigenze individuali, tanto che formano la base per nuovi modelli di business. Anche gli utenti che non sono specialisti dell’AI possono incorporare facilmente e a costi contenuti gli elementi costitutivi nei propri servizi. In particolare, possono beneficiarne le medie e piccole imprese con forza innovativa, poiché non devono imparare nessun algoritmo né tecnologia complessa di ML, e possono sperimentare senza incorrere in costi elevati.

Se puoi prevedere la richiesta, puoi pianificare in modo più efficiente
Nelle aziende B2B e B2C, è fondamentale che i prodotti siano disponibili velocemente. «Per questa ragione in Amazon abbiamo sviluppato algoritmi in grado di prevedere la richiesta giornaliera - dice Volges -. Questo è particolarmente complesso nel caso della moda, in cui gli articoli sono sempre disponibili in numerose taglie e varianti diverse, e per i quali le possibilità di un ordine successivo sono molto limitate. Tra le altre, sono fornite al nostro sistema le informazioni sulle richieste passate, così come quelle sulle fluttuazioni che possono verificarsi con i prodotti stagionali, gli effetti delle offerte speciali e la sensibilità dei consumatori ai cambiamenti dei prezzi. Oggi possiamo prevedere con precisione quante magliette di una determinata taglia e colore saranno vendute in un determinato giorno. Abbiamo fatto fronte al problema e abbiamo reso la tecnologia disponibile per altre aziende come web service. MyTaxi, per esempio, utilizza il nostro servizio basato sul machine learning per programmare quando e dove il cliente avrà bisogno del veicolo».

Più spazio all’ottimismo
Nonostante tutti questi sviluppi, molte persone del mondo accademico, imprenditoriale e governativo hanno una visione critica di machine learning e intelligenza artificiale. Ci sono stati avvertimenti sul fatto che una nuova super-intelligenza stia mettendo a repentaglio la nostra civilità, e questi avvertimenti hanno fatto parlare molto. «Nel dibattito pubblico non si dovrebbe dare spazio né all’isteria, né all’euforia - conclude Volges -. Ciò che serve, invece, è una visione pragmatico-ottimistica delle possibilità emergenti. L’intelligenza artificiale ci consente di liberarci di compiti che potrebbero arrecare danno alla nostra salute, o in cui le macchine sono più efficienti di noi. Ma non con l’obiettivo di renderci noi stessi superflui. Al contrario, per ottenere maggiore libertà personale ed economica per le relazioni interpersonali, per la nostra creatività e per qualunque cosa noi umani possiamo fare meglio delle macchine. Questo è quello per cui dovremmo lottare. Se non lo facciamo, finiremo per perdere le opportunità economiche e sociali che avremmo potuto cogliere».