Questo il risultato dell'esperimento avviato lo scorso maggio da un team di ricercatori di Mountain View, usciti sconfitti dalla sfida con AutoML, un'intelligenza artificiale alla quale era stato assegnato il compito di produrre una sua replica in grado di battere l'antagonista programmata da ingegneri umani.
Perché questo esperimento farà la storia
Il cimento era la creazione di un software, da applicare alla robotica e alla realtà aumentata, in grado di localizzare più oggetti in una singola immagine. Il sistema prodotto da AutoML l'ha spuntata con un punteggio del 43%, contro il 39% del programma oppostole dagli umani. Si tratta di un risultato importantissimo perché consentirà uno sviluppo dell'intelligenza artificiale enormemente più rapido ed economico di quanto avverrebbe se la programmazione rimanesse affidata a soli cervelli umani. Non sono infatti molti gli ingegneri con le capacità necessarie per sviluppare software di machine learning abbastanza sofisticati da porre le basi per la prossima generazione di macchine pensanti.
Mountain View vuole "democratizzare" il machine learning
"Oggi questi sistemi sono creati a mano da scienziati dell'apprendimento delle macchine e letteralmente poche migliaia di scienziati in tutto il mondo sono in grado di farlo", ha spiegato a Wired l'ad di Google, Sundar Pichai, "vogliamo essere in grado di mettere centinaia di migliaia di sviluppatori nelle condizioni di elaborarli, vogliamo democratizzare tutto ciò". "Se avremo successo", aggiunge un post sul blog dei ricercatori di Google, "potremo ispirare nuovi tipi di reti neurali e rendere possibile per chi non è esperto di creare reti neurali su misura per le proprie specifiche necessità, consentendo al machine learning di avere un impatto maggiore su chiunque".
Quale ruolo resta agli umani?
Ciò ovviamente non significa che lo sviluppo dei sistemi per l'apprendimento delle macchine sia destinato a diventare esclusivo appannaggio dell'intelligenza artificiale. Come in molti altri settori, l'effetto, quando non lo scopo prestabilito, dell'automazione è sollevare gli esseri umani dal "lavoro di bassa forza". Man mano che le macchine saranno in grado di sviluppare reti neurali sempre più complesse e potenti, gli ingegneri avranno molto più tempo per raffinarle e renderle sempre più simili al cervello umano, ad esempio intervenendo sulle connessioni errate che una macchina, prima o poi, finisce per elaborare senza una guida. L'esempio di scuola, in questo caso, ce lo fornì proprio Google due anni fa, con la colossale gaffe dell'algoritmo che scambiava i neri per gorilla.
