Milano

Mashable Social Media Day Italy

19 – 20 e 21 Ottobre 2017

GOOGLE: The Magic in the Machine.

IMG_3202-1200x800.jpg

Cos’ è il machine learning, come già ci facilita la vita e dove ci porterà.
(+ esperimenti divertenti da fare dal proprio pc) 


Non molto tempo fa poteva sembrare fantascienza, ora quanto meno futuro. Ma il machine learning, è già, sempre più, presente nelle nostre vite. E non si tratta neppure di una scienza nuova, perché il concetto di apprendimento automatico ha radici nel XVIII secolo, nel campo della statistica.
Per machine learning s’intende dunque l’apprendimento automatico di macchine – computer – in grado di imparare senza che siano state esplicitamente programmate per farlo.

——- 


Il funzionamento
del machine learning
A partire da una serie di esempi, la macchina ne coglie i pattern (ossia gli schemi) caratterizzanti per poi utilizzarli per fare previsioni su altri esempi simili.
Prendiamo in analisi la parola “cane”: una volta raccolti N esempi di foto con etichetta “cane” (e così per milioni di altre etichette) il computer va alla ricerca dei pattern di pixel e colori che lo aiutino a capire se nella foto c’è un cane; cerca di indovinare quali siano i pattern giusti per identificare i cani e continua il suo studio cercando un esempio di immagine di un cane per verificare se i pattern funzionano.


Queste operazioni vengono ripetute circa un miliardo di volte: la macchina osserva un esempio e, se il risultato non è corretto, modifica i pattern che sta usando per ottenere un risultato migliore. Alla fine, i pattern formano un modello basato sul machine learning, una rete neurale profonda, che può (quasi sempre) identificare correttamente cani, gatti, bambini, luoghi, tramonti e molte altre cose.


——- 


Il machine learning è già presente nella maggior parte dei prodotti di Big G, tra cui la Ricerca, Gmail, YouTube, Maps e Android.

All’interno di Google Foto, ad esempio, si può cercare qualsiasi cosa, “abbraccio” o “cane” e si troveranno tutte le foto che li contengono. Il sistema è stato istruito per riconoscere le immagini all’interno di foto e video.

Grazie a Google Translate è possibile parlare, scrivere o leggere in più di 100 lingue. Google è all’avanguardia nell’uso della traduzione automatica, che usa modelli statistici per tradurre i testi. Negli ultimi 6 mesi, Translate è ulteriormente migliorato grazie alla traduzione automatica basata sulle reti neurali. Il sistema neurale traduce intere frasi invece di tradurre pezzo per pezzo: usa un contesto più ampio per aiutarsi a scegliere la traduzione più attinente e la perfeziona per ottenere un risultato più simile alla parlata di un essere umano.

Con l’app Google basta pronunciare “Ok Google” sul vostro smartphone per avviare la ricerca e trovare le risposte che cercate. Il riconoscimento vocale trasforma i suoni in parole, l’elaborazione del linguaggio naturale favorisce la comprensione del significato, il Search ranking mostra i link con i risultati migliori.

È possibile rispondere alle mail toccando semplicemente un tasto: la funzione SmartReply di Inbox suggerisce la risposta affinché possiate rispondere alle mail con un gesto. Gmail e Chrome, inoltre, vi proteggono filtrando spam e malware.

——- 


Per il prossimo futuro tutto il settore sta lavorando per far sì che la macchina apprenda più velocemente, con meno esempi.
 Un metodo – e su questo Google si sta concentrando particolarmente – è ‘regolarizzare’ le macchine, dotarle cioè di più ‘buon senso’, in modo che di fronte ad un esempio leggermente diverso dagli altri – un cane con un cappello da cowboy è sempre un cane – la macchina non sia tratta in inganno.

——- 


Google Research Europe, un team di ricerca europeo dedicato al Machine Learning

La continua ricerca di Google nel campo del Machine Learning è alla base di molti dei prodotti utilizzati ogni giorno da centinaia di milioni di persone. L’obiettivo di Big G è quello di creare prodotti capaci di migliorare la vita quotidiana delle persone e, perché no, contribuire ad affrontare i problemi più grandi. Per far questo utilizza diverse tecniche di computer science, una delle più importanti tra le quali è sicuramente il machine learning.

A rendere possibili i continui progressi nel settore è l’enorme collaborazione tra i ricercatori Google nel mondo, che mettono a fattor comune un patrimonio unico di informazioni e idee su tecnologie e metodi all’avanguardia nel campo del Machine Learning, con l’obiettivo di sviluppare strumenti e prodotti utili.
Per questo motivo nel giugno 2016 è nato Google Research Europe con sede negli uffici di Zurigo della società.
Zurigo ospita anche il centro di ricerca di Google più grande al di fuori degli Stati Uniti. È qui che sono stati sviluppati il motore alla base di Knowledge Graph e il motore di conversazione alla base dell’assistente Google in Allo.
Oltre a portare avanti la collaborazione con i vari team di ricerca di Google, il team di ricerca europeo si concentra su tre aree fondamentali: machine learning; apprendimento ed elaborazione del linguaggio naturale e percezione artificiale.  In questi ambiti, il team lavora attivamente al miglioramento dell’infrastruttura di machine learning, facilitando così la ricerca e la successiva applicazione pratica. Inoltre, i ricercatori dell’ufficio di Zurigo lavorano a stretto contatto con il team di linguisti, con l’obiettivo di far progredire l’apprendimento del linguaggio naturale in collaborazione con i gruppi di ricerca di Google in tutto il mondo.
Attraverso il machine learning Google contribuisce anche ad affrontare alcune importanti problematiche. Ecco alcuni progetti recentemente annunciati:

  • Aiutare i patologi a diagnosticare il cancro attraverso il deep learning
    La diagnosi del tumore al seno e le conseguenti decisioni sul trattamento possono essere molto variabili, cosa non sorprendente data l’enorme quantità di informazioni che devono essere valutate al fine di effettuare una diagnosi accurata.
    Google sta come il deep learning possa essere applicato a supporto dei patologi, creando un algoritmo di identificazione automatica che possa essere un complemento del loro lavoro.
  • Risparmiare energia nei centri elaborazione dati
    Per ridurre il consumo energetico in Google. Si sta usando il machine learning: grazie alle le reti neurali si ottimizzano le operazioni dei data center e se ne riducono i consumi come mai prima d’ora.
  • Identificare i pregiudizi di genere nel cinema
    Il premio Oscar Geena Davis si è chiesta se i pregiudizi inconsci verso le donne portino le persone ad accettare che i personaggi femminili abbiano meno battute e meno visibilità degli uomini nei film. Per questo nel 2007 ha fondato il Geena Davis Institute on Gender in Media e ha cominciato a raccogliere dati. È stato un lavoro lungo e impegnativo: un team di ricercatori ha cominciato guardando un film alla volta e prendendo nota dei pattern basati sul genere. Poi è entrato in scena il machine learning, lo strumento ideale per capire e interpretare enormi quantità di dati complessi. Oggi un software misura accuratamente quanto spesso si vedano o si sentano le donne sullo schermo. Lo strumento ha imparato a riconoscere diversi personaggi sullo schermo, a determinarne il genere e a calcolare quante volte e per quanto tempo si parlano. I risultati sono stati significativi: gli uomini si vedono e si sentono quasi il doppio delle donne; le donne sono sottorappresentate in tutte le categorie, compresi i 100 film che hanno incassato di più negli ultimi tre anni; le donne si vedono appena nei film vincitori di Oscar: rappresentano il 32% delle immagini  e i 27% del parlato.

 

Gli strumenti di machine learning di Google sono aperti.
Il sistema di machine learning flessibile TensorFlow (www.tensorflow.org) è open source per consentire a tutti di sviluppare i propri modelli. Google offre anche diverse soluzioni semplificate, come ad esempio Speech, Vision, Translate API e il servizio TensorFlow gestito attraverso la piattaforma machine learning di Google Cloud (https://cloud.google.com/ml).

Per maggiori informazioni: http://research.google.com/pubs/MachineIntelligence.html

——- 

E ora… divertitevi con gli A.I. Experiments di Google, che mostrano come la macchina possa imparare a comprendere molte delle cose che ci circondano.

In Quick, Draw!, una rete neuronale cerca di riconoscere quello che state disegnando, il tutto usando la stessa tecnologia grazie a cui Google Translate riconosce la scrittura manuale. E più giocate, più il sistema impara.

Con A.I. Duet, invece, potete improvvisare un duetto al piano con il computer. Provate a suonare alcune note e il computer vi risponderà con una melodia.

O provate Giorgio Cam: scattate una foto e il computer vi dirà ciò che vede trasformandolo nelle parole di una canzone, magari in rima, sulla note di un brano del grande Giorgio Moroder.

 

 

Come recentemente fatto in questo post, ricordiamo che VENERDÌ 19 OTTOBRE GOOGLE SARÀ L’OSPITE D’APERTURA DEL MASHABLE SOCIAL MEDIA DAY ITALIA + DIGITAL INNOVATION DAYS.
Marianna GhirlandaHead of Creative Agencies di Google Italia – spiegherà alla platea Come avere successo grazie a YouTube, senza formule magiche, ma con tanta creatività e con la capacità di stupire con soluzioni inattese.

 

 

 

 

Press office and operations manager Il mio percorso di comunicatrice è iniziato quando ancora Facebook e i social network erano visti con sospetto e nessuno si immaginava che avrebbero avuto un impatto così determinante nel nostro lavoro e nel quotidiano di ciascuno. Dopo i primi incarichi d’agenzia nel settore cultura e come organizzatrice di eventi, ho deciso di rivoluzionare la mia vita diventando libera professionista e iniziando ad approcciarmi al magico mondo del digital. Nel 2013 sono stata nominata responsabile globale Marketing e PR di Ebooks&kids, editore di app educative per bambini. Oggi copywriting, strategie di comunicazione, digital communication, pubbliche relazioni e organizzazione eventi sono il focus della mia attività e il mio Mac e il mio iPhone strumenti inseparabili, che mi permettono di essere sempre connessa, ovunque io sia.


Leave a Reply

Your email address will not be published. Required fields are marked *