Puntata #5

Il podcast che parla del nostro futuro

Trasformare la plastica in carburanti e realizzare pacemakers alimentati dall’energia cinetica generata dai battiti stessi del cuore: il mondo della ricerca ogni settimana ci presenta emozionanti progressi.
Scopriamo perchè e come nei prossimi mesi il Giappone diventerà il più importante banco di prova per la blockchain.
Capiamo cosa è GPT2, l’intelligenza artificiale di OpenAI che potrebbe diventare una fabbrica di fake news, ma anche aiutare in molti campi della comunicazione.
Ed infine l’approfondimento: cosa significano machine learning, deep learning e reti neurali?



DALLA PLASTICA AI CARBURANTI

Alcuni ricercatori hanno sviluppato una promettente tecnica per trasformare i nostri rifiuti di plastica in combustibile.  Il processo potrebbe aiutare a convertire i milioni di tonnellate di plastica che generiamo ogni anno, in un carburante simile a benzina e diesel.

Il mondo sta affogando nella plastica. Si stima che ogni anno oltre 300 milioni di tonnellate di plastica arrivino in discarica o nell’ambiente, che in quel caso impiegherà centinaia di anni per decomporle mettendo a rischio la flora e la fauna nel frattempo. Le materie plastiche, come sappiamo, si degradano lentamente e rilasciano microplastiche e sostanze chimiche tossiche nel terreno e nell’acqua. Una catastrofe specialmente per gli oceani, perché una volta che questi inquinanti sono negli oceani, è impossibile recuperarli completamente

Circa 8 milioni di quelle tonnellate finiscono in mare ogni anno ed hanno contribuito a formare quella famigerata isola di plastica nel Pacifico che prende il nome di Pacific Trash Vortex e della quale gli studiosi faticano persino a stabilire i confini. In particolare, i rifiuti di polipropilene rappresentano poco meno di un quarto delle 5 miliardi di tonnellate di plastica che si sono accumulate nelle discariche nel mondo negli ultimi 50 anni. Numeri impressionanti e balletto delle stime a parte, che il problema sia importante e la situazione critica sarebbe chiaro anche ad un bambino.

Una squadra di chimici della Purdue University potrebbe aver trovato una soluzione parziale ai nostri problemi di plastica. Come dettagliato in un articolo pubblicato la settimana scorsa sulla rivista “Sustainable Chemistry and Engineering”, i chimici hanno scoperto un modo per convertire il polipropilene, un tipo di plastica comunemente usato nei giocattoli, nei dispositivi medici e negli imballaggi di vari prodotti come i sacchetti di patatine, in benzina e carburante simile al diesel. I ricercatori hanno detto che questo carburante è abbastanza puro da essere usato come miscela, un componente principale del carburante utilizzato nei veicoli a motore.

Per trasformare il polipropilene in combustibile, i ricercatori hanno usato acqua supercritica, uno stato dell’acqua che dimostra caratteristiche intermedie tra il liquido ed il gas a seconda delle condizioni di pressione e temperatura. Gli scienziati hanno riscaldato l’acqua tra 716 e 932 gradi Fahrenheit a pressioni circa 2300 volte superiori alla pressione atmosferica a livello del mare. Quando i rifiuti di polipropilene purificati sono stati aggiunti all’acqua supercritica, sono stati convertiti in olio in poche ore: a circa 850 gradi Fahrenheit, il tempo di conversione è stato ridotto a meno di un’ora.

Anche se detta così sembra un’operazione complicata, bisogna notare che l’idea di usare la pressione per far si che un fluido supercritico ritorni alla fase gassosa ed evapori, lasciandosi dietro un prodotto finale da estrarre, è una tecnica utilizzata per decaffeinare i chicchi non tostati del caffè, nell’estrazione di luppolo per la produzione di birra e nella produzione di olii essenziali e prodotti farmaceutici derivati da vegetali. Tutte cose di cui facciamo probabilmente uso senza ovviamente nemmeno sapere qual è il processo produttivo che c’è dietro.

In questo caso i sottoprodotti di questo processo sono benzina e oli tipo diesel. Secondo i ricercatori, il loro processo di conversione potrebbe essere utilizzato per convertire ogni anno circa il 90 percento degli scarti di polipropilene del mondo in combustibile.

Potrebbe essere uno di quei casi dove si prendono due piccioni con una fava: la salvaguardia dell’ambiente e contemporaneamente la produzione di combustibili dei quali abbiamo comunque bisogno per far funzionare un’infinità di veicoli e dispositivi ogni giorno. D’altra parte, c’è anche il rischio opposto e cioè che “siccome tanto abbiamo una soluzione alla plastica”, ne continueremo a fare una produzione ed un utilizzo esagerato.

Ad oggi non è chiaro quanto sarà facile o difficile e più che altro costoso implementare questo nuovo processo di conversione della plastica su larga scala, quindi per ora dobbiamo continuare ad attenerci ai vari decaloghi che ci invitano ad un miglior comportamento circa la plastica: bere l’acqua del rubinetto, eliminare i monodose, sostituire i sacchetti di plastica con alternative ecologiche, evitare i prodotti confezionati e tornare alle logiche dello sfuso ove possibile e chi ne ha più ne metta. Anche perché i microbiologi dell’Università di Utrecht in Olanda hanno inventato il Fungi Mutarium, cioè il prototipo di un dispositivo che usa dei funghi per trasformare la plastica in biomassa soffice e commestibile. Se proprio dovremo comunque ritrovarcela sulle nostre tavole,  meglio così che ingerita da pesci ed animali di cui poi ci nutriamo, ma se riuscissimo a trasformala in qualcosa di più utile, penso che ne sarei ben più felice.

TI PIACE QUELLO CHE HAI ASCOLTATO E LETTO?

PER FAVORE CONDIVIDILO!

PACEMAKERS RICARICABILI

I futuri pacemaker potrebbero essere ri-caricati direttamente grazie ai battiti cardiaci piuttosto che dalle batterie, come avviene oggi.

Ogni anno circa un milione di persone in tutto il mondo ricevono un pacemaker nuovo che li aiuta a mantenere il battito del cuore ad un ritmo normale. Purtroppo, le batterie hanno una durata limitata, ed i pazienti devono subire un intervento chirurgico per sostituirle ogni cinque-dieci anni. Anche se si tratta di un intervento ormai considerato di routine è pur sempre un’operazione chirurgica con i suoi tempi, complessità e costi che chiunque preferirebbe evitare se ci fosse una soluzione alternativa.

In futuro, i pacemaker potranno essere modificati in modo che possano essere caricati utilizzando l’energia proveniente dai battiti del cuore. I cardiologi del Dartmouth College e quelli dell’Health Science Center dell’Università del Texas hanno testato il dispositivo sui cuori di alcuni animali, secondo una ricerca pubblicata sulla rivista Advanced Materials Technology. Il primo ciclo di studi sugli animali ha consentito di modificare i pacemakers in modo che utilizzassero l’energia cinetica proveniente dal battito stesso del cuore, convertendola in elettricità per mantenere le batterie cariche. I ricercatori hanno aggiunto un sottile pezzo di polimero ai pacemaker esistenti, capace di convertire il movimento in elettricità e del quale potrebbero beneficiare i portatori dei dispositivi vecchi e nuovi.

Un componente di non banale realizzazione considerato che doveva essere biocompatibile, leggero, flessibile, semplice, in grado di adattarsi alla struttura attuale dei pacemaker, oltre che essere scalabile per il possibile utilizzo in futuro su altri dispositivi che hanno il problema delle batterie.

Il team spera che questa tecnologia possa essere disponibile per gli esseri umani entro i prossimi cinque anni, terminate tutti i processi pre-clinici e le fasi di autorizzazione necessarie alla commercializzazione su ampia scala.

La tecnologia sarebbe chiaramente una svolta e sarebbe l’ultima conquista circa il rapporto tra cuore ed elettricità, la cui relazione risale al 1700 cioè quando i medici hanno scoperto che il cuore funziona usando l’elettricità. Fu un fisico danese di nome Nikolev Abildgaard a sperimentare l’effetto dell’elettricità sul corpo. Collegò la testa di un pollo con degli elettrodi, diede uno shock e lo uccise. Quindi applicò altri shock a diverse parti del corpo e nulla accadde finché gli elettrodi non furono posizionati sul petto del pollo. All’ennesimo shock questo si rimise in piedi e si allontanò frastornato. Fu il suo giorno fortunato nonchè il primo “paziente” a ricevere la defibrillazione.

Da li in poi la scienza dovette aspettare il 1952 per vedere per la prima volta un pacemaker utilizzato in un contesto clinico. A dimostrazione che anche le buone idee e le tecnologie importanti possono avere tempi di gestazione molto più lunghi di quello che vorremmo, specialmente se fossimo noi stessi ad avere bisogno di tali progressi. Ed oggi una svolta importante, che però affonda anche lei le sue radici nel passato. Mi è bastato mettere in Google qualche parola chiave sull’argomento per risalire ad un paper del 2010 che recitava più o meno così “per alimentare questi dispositivi (riferendosi chiaramente ai pacemaker), possono essere impiegate tecniche di raccolta dell’energia del corpo. Alcune delle fonti di energia sono il battito cardiaco del paziente, il flusso di sangue all’interno dei vasi, il movimento delle parti del corpo e la temperatura corporea, il calore.” Nel 2012 un articolo della Reuters riprendeva il concetto che “le pulsazioni del cuore potrebbero generare abbastanza elettricità per alimentare un pacemaker, ponendo fine alla necessità di costosi interventi chirurgici per sostituire le batterie in scadenza, secondo uno studio preliminare di un dispositivo sperimentale di conversione dell’energia.” L’idea non è quindi nuova, ma la sua realizzazione finalmente potrebbe avere una grande utilità per milioni di persone.

BLOCKCHAIN IN GIAPPONE

Il Giappone è la terza economia mondiale, ma ancora oggi i suoi pagamenti sono rappresentati prevalentemente da banconote e monete metalliche. Una situazione ben diversa dagli altri grandi del continente asiatico come Cina e Corea del Sud, dove dominano vari schemi di pagamento elettronico “senza contanti”, oltre all’Occidente, dove le carte di credito e di debito sono molto più popolari.

E tutto questo sembra incredibile se pensiamo che il Giappone è uno dei paesi più avanzati tecnologicamente. Verissimo, ma la vendita al dettaglio è decisamente low-tech: la maggior parte dei negozi non accetta nemmeno carte di credito o di debito. Per fare acquisti online, le persone stampano comunemente un codice a barre a casa e lo portano in un minimarket, dove pagano in contanti.

L’industria finanziaria non gradisce questo status dal momento che è lei a sopportare, si stima 18 miliardi di dollari di costi annui, legati al mantenimento di oltre 200 mila sportelli automatici, i bancomat per intenderci, oltre ad un elevato numero di registratori di cassa ed intere flotte di veicoli che devono muovere in sicurezza una massa enorme di denaro in giro per il paese.

L’anno prossimo arriveranno a Tokyo centinaia di migliaia di visitatori stranieri per le Olimpiadi e la maggior parte di loro proverrà da paesi in cui le carte di credito e i pagamenti digitali sono la normalità. Si prevede che spenderanno miliardi di dollari durante l’evento, ed il sistema finanziario giapponese non è attrezzato per gestire tali volumi.

Il primo ministro Shinzo Abe ha lanciato un piano con l’obiettivo di raggiungere il 40% dei pagamenti senza contanti entro il 2025. La scorsa estate, il governo ha annunciato piani per offrire agevolazioni fiscali e sussidi per le aziende che salgono a bordo e contribuiscono all’obiettivo, usando gli strumenti più vari, dalle carte di credito alle transazioni che utilizzano i QR code. Ma alcuni dei più grandi player finanziari del paese pensano che il modo di trasformare davvero il Giappone risieda nella blockchain. A parte le motivazioni e gli esempi che vi sto per raccontare, l’idea sembra brillante perché consente al Giappone di allinearsi con lo “stato dell’arte” della tecnologia, piuttosto che scimmiottare o addirittura entrare in competizione con modelli già maturi sviluppati altrove.

Mitsubishi UFJ Financial Group, la più grande banca del paese e la quinta più grande al mondo per totale delle attività, ha collaborato con la società americana Akamai per costruire una rete di pagamento per i consumatori basata sulla blockchain in tempo per le Olimpiadi. Se raggiungeranno lo scopo, potrebbe essere la rete di pagamento per consumatori più veloce e più potente fino ad oggi mai realizzata. Affermano che nei test è stato possibile gestire più di un milione di transazioni al secondo, con ogni transazione confermata in due secondi o meno, e si potrebbero agevolmente raggiungere 10 milioni di transazioni al secondo. La rete di carte di credito Visa, per confronto, gestisce diverse migliaia di transazioni al secondo, il Bitcoin non raggiunge ancora tali performance e ogni transazione può richiedere fino a un’ora per la conferma. Il sistema inoltre è progettato per gestire tutti i tipi di pagamenti, dai pedaggi autostradali automatizzati agli swipe di carte di credito, agli acquisti in-app.

Altri operatori finanziari stanno studiando, testando e lanciando le loro monete digitali e diversi usi della tecnologia per gestire i pagamenti al dettaglio.

In un paese dove il trading in crypto-valuta è stato straordinariamente popolare, dove gli enti regolatori finanziari hanno familiarità ed apprezzamento per la blockchain e dove la competizione delle carte di credito, più lente e costose peraltro, è bassa, sembrano esserci molte delle condizioni ideali per trasformare significativamente l’intera economia.

Ma l’uomo di tutti giorni percepirà un valore in tutto questo? Perché alla fine è inutile appassionarsi per qualsiasi tecnologia se questa non è in grado di dare un beneficio al suo utilizzatore. In Giappone si registra quindi sia il partito degli scettici che quello dei fan, e se la pigrizia può avere un impatto da una parte, una rete più veloce, meno costosa, che a detta degli operatori consuma anche meno per funzionare e può gestire in economicità anche le micro-transazioni (oggi un po scomode per le carte di credito) ha sicuramente le sue carte da giocare.

E quanto alla sicurezza? Tornerò su questo argomento, ma se oggi mi fido ad usare una carta di credito basata su una tecnologia che pur aggiornata di continuo è sul mercato da decenni, una volta consolidata la blockchain attorno ad operatori vecchi o nuovi che comunque hanno una solida reputazione (se se la sapranno guadagnare), personalmente non credo che mi tirerei indietro.    In ogni caso, nel bene o nel male, a breve il Giappone diventerà il più grande banco di prova del mondo per l’idea decennale che un registro crittografico e una rete di computer possano essere utilizzati per creare una forma elettronica di contante. Potrebbe persino riguadagnare la sua posizione di leader globale in finanza e tecnologia, posizione che è il lento ma costante declino.

OpenAI: C’E’ ALTRO OLTRE AL RISCHIO DI FAKE NEWS

OpenAI, una società di ricerca senza scopo di lucro sostenuta da Elon Musk e Reid Hoffman tra gli altri, afferma che il suo nuovo modello di intelligenza artificiale, chiamato GPT2, è così performante ed il rischio di un suo uso malevolo così elevato, che la società ha sospeso la sua normale pratica di rilascio al pubblico del codice completo, al fine di avere più tempo per discutere e valutare le implicazioni di questa vera e propria svolta tecnologica.

La società, che ha per claim la frase “Scoprire e attuare il percorso verso l’intelligenza artificiale sicura” promuove lo sviluppo dell’intelligenza artificiale affinchè l’umanità possa trarne beneficio, e GPT2 che in estrema sintesi è un’AI progettata per scrivere testi come gli umani, è stata valutata come troppo pericolosa se rilasciata al pubblico senza valutarne bene le implicazioni più profonde.

L’intelligenza che è stata addestrata attraverso l’analisi di alcuni milioni di pagine web (8 secondo alcune fonti, 10 secondi altre, ma poco conta, il numero è enorme comunque), riceve un testo, che può andare da poche parole a un’intera pagina, e lo usa come incipit per scrivere le frasi successive sulla base delle sue previsioni su cosa dovrebbe o potrebbe accadere dopo.

Quando viene utilizzato per generare semplicemente un nuovo testo, GPT2 è in grado di scrivere passaggi plausibili che corrispondono a ciò che gli viene dato in pasto sia come stile e soggetto della trattazione. Raramente mostra le stranezze che contraddistinguono i sistemi di intelligenza artificiale meno evoluti, come dimenticare quello che sta scrivendo a metà di un paragrafo, o alterare la sintassi di frasi lunghe e complicate.

A fare una prova definita “scioccante” di questa AI è stato il Guardian: dati i primi paragrafi di una storia del giornale sulla Brexit, ha prodotto una prosa in linea con lo stile del giornalista, piena di “citazioni” da Jeremy Corbyn, menzioni del confine irlandese e risposte del portavoce del primo ministro.

Vari motori di intelligenza artificiale sono già ampiamente usati per sostituirsi ai giornalisti per preparare dei pezzi “semplici” dove prevale la descrizione di fenomeni prevalentemente fattuali come le cronache sportive o quelle sull’andamento dei mercati borsistici, ma qui la preoccupazione non risiede nel fatto che possa “rubare il mestiere” ai giornalisti, quanto che possa diventare una fabbrica di fake news. E per di più credibili e praticamente indistinguibili dalle notizie vere. Senza contare che potrebbe automatizzare la produzione di spam, di contenuti abusivi sui social media, stravolgere la credibilità di qualsiasi recensione di prodotto o addirittura impersonare la gente online. Senza mezzi termini, GPT2 è stato definito un “escalator to hell”, cioè un ascensore per l’inferno.

Stiamo andando verso una realtà dove distinguere il vero dal falso diventerà sempre più arduo. Eppure le premesse per un uso pulito e positivo della tecnologia ci sono tutte: può migliorare la scrittura trovando errori e suggerendo le correzioni più adatte, aiutare gli assistenti digitali come Alexa o Siri a migliorare la loro interlocuzione con l’uomo, limitare gli errori durante la traduzione di testi e così via. Come sempre la tecnologia non è buona o cattiva in se, possiamo scegliere l’uso che ne vogliamo fare. La decisione di OpenAI di non pubblicare l’intero codice di GPT2 è quindi sensata, ma è semplicemente ritardate l’inevitabile.

Ma visto che ne abbiamo parlato, c’è un modo di vedere all’opera questo prodigio? Ovviamente si, alcuni sample sono pubblicati sul sito blog.openai.com. Uno ispirato al Signore degli Anelli e con la mia traduzione in italiano, ve lo riporto io, almeno in parte per capire un po’ meglio di cosa stiamo parlando e lascio a voi ulteriori valutazioni.

Parte scritta dall’uomo

Legolas e Gimli avanzarono sugli orchi, sollevando le loro armi con uno straziante grido di guerra.

Risposta della macchina (primo tentativo)

La risposta degli orchi fu un assordante assalto di artigli, artigli e artigli; persino Elrond fu costretto a ritirarsi. “Sei in buone mani, nano” disse Gimli, che era stato tra i primi a caricare gli orchi; ci vollero solo due parole prima che i loro avversari si riducessero in un pantano intriso di sangue, e il nano fece la sua prima uccisione della notte. La battaglia durò per ore finché due dei più grandi orchi tentarono di sopraffare Aragorn. Quando finalmente si fermarono, rimasero sconfitti e senza vita per miglia e miglia.

ARTIFICIAL INTELLIGENCE FOR DUMMIES

Il concetto di ciò che definisce l’intelligenza artificiale è cambiato nel tempo, ma al centro c’è sempre stata e c’è ancora oggi l’idea di costruire macchine capaci di pensare come gli umani.

L’intelligenza artificiale, allora, deve essere pensata come una simulazione della capacità di pensiero astratto, creativo e deduttivo tipico dell’uomo, ed in particolare della capacità di apprendere, però utilizzando la logica digitale binaria propria dei computer.

Il lavoro di ricerca e sviluppo nell’AI è diviso in due rami. Uno è etichettato come “applied AI ” che simula i principi del pensiero umano con l’obiettivo di svolgere un compito specifico. L’altro è noto come “generalized AI ” e cerca di sviluppare intelligenze vere e proprie in grado di svolgere qualsiasi compito, proprio come una persona.

L’intelligenza artificiale si basa su algoritmi per ottenere un risultato che può o meno avere qualcosa a che fare con obiettivi o metodi umani, e prima di fare qualsiasi approfondimento o anche solo per saperne di più, è necessario conoscere e distinguere tre concetti base: il machine learning o apprendimento automatico, il deep learning o apprendimento profondo e le neural networks o reti neurali.

Questo episodio parla proprio di queste tre cose.

Il machine learning è una branca dell’intelligenza artificiale che mira a dare alle macchine la possibilità di apprendere un’attività, senza codice preesistente scritto dall’uomo, senza modelli matematici ed equazioni predeterminate. In termini più semplici, alle macchine viene fornita una grande quantità di esempi di prova per un determinato compito. Mentre svolgono le prove, le macchine imparano e adattano la propria strategia per raggiungere gli obiettivi richiesti.

Ad esempio, a un dispositivo di riconoscimento immagini possono essere date in pasto milioni di immagini da analizzare. Dopo aver fatto infinite permutazioni, analisi e prove, la macchina acquisisce la capacità di riconoscere motivi, forme, volti e altro ancora. Ma come facciamo a dire che c’è stato apprendimento? C’è apprendimento quando le prestazioni del programma migliorano dopo lo svolgimento di un compito o il completamento di un’azione. Quindi se la macchina doveva per esempio imparare a distinguere i cani da i gatti o dagli altri animali, osservando milioni di foto di animali, ha appreso quando aumenta il numero di identificazioni corrette.

Se volessimo provare a fare una ulteriore classificazione delle modalità di apprendimento dovremmo infine parlare di apprendimento supervisionato o non supervisionato. Nel primo caso alla macchina vengono forniti sia i dati di input sia le informazioni relative ai risultati desiderati, in modo che il sistema cerchi di identificare la regola che mette input e risultati in correlazione tra loro.

Nel secondo caso, quello di machine learning non supervisionato al sistema vengono forniti solo dei set di dati in input senza alcuna indicazione del risultato desiderato e si lascia lavorare la macchina per risalire a schemi e modelli nascosti, senza che i tali dati siano stati precedentemente etichettati.

Se pensate che tutto questo sia molto lontano dalla realtà di tutti i giorni, sappiate probabilmente nelle ultime 24 ore avete beneficiato di tali algoritmi quando avete condotto una ricerca in un motore di ricerca o quando il filtro anti-spam della vostra posta elettronica vi ha protetto da comunicazioni indesiderate.

Il deep learning è sempre una tecnica di apprendimento automatico, che insegna ai computer a fare ciò che viene naturale per gli umani: imparare dall’esempio. Il deep learning per esempio è una tecnologia chiave dietro le macchine a guida autonoma: consente loro di riconoscere un segnale di stop o di distinguere un pedone da un lampione. È la chiave per il controllo vocale nei dispositivi consumer quali i telefoni, i tablet, le TV e gli altoparlanti vivavoce, che hanno avuto il recente boom sotto gli occhi di tutti.

Nel deep learning, un modello computerizzato impara a eseguire compiti di classificazione direttamente da immagini, testi o suoni. I modelli di apprendimento profondi, per dirla all’italiana, possono raggiungere un’accuratezza talmente elevata da superare le prestazioni a livello umano. I modelli vengono addestrati utilizzando un ampio set di dati etichettati e architetture di reti neurali a più livelli. A queste ultime ci arriviamo fra un attimo. La parte importante della storia è proprio la performance, resa possibile non solo dagli algoritmi, ma anche dal fatto che oggi disponiamo di computer più veloci, in grado di analizzare sempre maggiori dati messi a disposizione dalle nostre azioni digitali di tutti i giorni. Non dimentichiamoci che quando Google lanciò il famoso servizio Google Books, che ha come payoff addirittura “Cerca nel più grande indice di testi integrali mai esistito”, i fondatori del colosso di Mountain View dichiararono che tale biblioteca non serviva tanto all’uomo, ma quanto ad allenare l’intelligenza artificiale.

Ed infine le reti neurali. Una rete neurale è un tipo di apprendimento automatico il cui funzionamento è modellato sul cervello umano. Le reti neurali artificiali sono state ispirate alla nostra stessa biologia: neuroni e loro modalità di funzionamento. I modelli di rete neurale usano principi matematici e informatici per imitare i processi del cervello umano, quindi una rete neurale artificiale cerca di simulare i processi di cellule cerebrali densamente interconnesse, ma invece di essere fatti di materia biologica, questi neuroni, o nodi, sono costituiti da codice di programmazione.

Oltre ai classici metodi supervisionati e non supervisionati di cui si è accennato poc’anzi, per le reti neurali merita citare il metodo del cosiddetto “apprendimento rinforzato”: con questo algoritmo, la rete neurale è premiata per risultati positivi e punita per un risultato negativo, esattamente come può avvenire per certi metodi di insegnamento umani, costringendola così ad apprendere nel tempo. Ma un tantino più in fretta di quello che farebbe un essere umano.

Quali gli ambiti di applicazione? La manutenzione preventiva, come sempre le auto a guida autonoma che sono una delle tecnologie in fase di sviluppo a più alta densità di intelligenza artificiale, la protezione dai malware, la definizione di regole per allocare al meglio risorse scarse e persino la pubblicità e le tecniche per targettizare le comunicazioni in base ai nostri interessi.

Il grado di approfondimento ovviamente è quello consentito da questo podcast, ma spero che questa mini formazione terminologica possa essere di aiuto, visto che ogni giorno basta aprire un giornale o un sito internet di news ed imbattersi in queste tecnologie, e credo che sia cosa buona capirne un po’ meglio i fondamenti.


TI PIACE QUELLO CHE HAI ASCOLTATO E LETTO?

PER FAVORE CONDIVIDILO!

 

× Whatsapp