Parlare con le macchine grazie alla Deep Learning | Google fa incetta di romanzi rosa per capire il linguaggio umano

Le reti neurali come chiave per imitare il sistema di gerarchizzazione di concetti tipico dell’apprendimento nell’uomo. Qualche intoppo c’è, ma la strada per la creazione di un modello di comprensione del linguaggio naturale è tutta in discesa

La Deep Learning per la comprensione semantica del linguaggio verbale

Parleremo con le macchine. Succede già da qualche tempo, come per l’assistente virtuale “Ok Google”, ma anche in altri settori della robotica di alto livello. Comprendere il linguaggio umano è un’operazione complessa, certo, ma a quanto pare meno impossibile di quello che si potrebbe credere. Sviluppatasi con ottimi risultati già a partire dagli anni ’80, con la creazione del Deep Learning, un campo di applicazione dell’Intelligenza Artificiale utilizzato nell’apprendimento del linguaggio umano naturale. Anche se le metodologie di sviluppo di tale applicazione sono diverse, come quella detta delle reti neurali profonde, hanno tutte un elemento in comune: una gerarchia dei diversi livelli di rappresentazione di concetti, a partire dal concetto di livello più basso, per poi proseguire a ritroso verso concetti di livello sempre più alto.

Quando si tratta di far assimilare alla macchina metodi di interazione con l’ambiente tipici dell’uomo, la questione non è tanto quella dell’immagazzinamento dei dati, ma quella di far apprendere alla macchina come questi dati possano essere tradotti in maniera simultanea per creare un concetto

Tuttavia la complessità del linguaggio umano, frutto di millenni evoluzione, non può essere ridotto ad una serie di algoritmi, o meglio, non del tutto. Google, per fare in modo che la comprensione del linguaggio naturale sia il più agevole ed efficace possibile, ha fatto “leggere” al suo sistema di apprendimento automatico più di 2800 romanzi rosa, per cogliere le infinite sfumature che la parola scritta (e verbale) può nascondere.

La questione, come si può ben immaginare quando si tratta di far assimilare alla macchina metodi di interazione con l’ambiente tipici dell’uomo, non è tanto quella dell’immagazzinamento dei dati – ma quella di far apprendere alla macchina come questi dati possano essere tradotti in maniera simultanea per creare un concetto – cioè un’elaborazione intelligente dei dati stessi.

Il linguaggio naturale interagisce con l’ambiente generando conoscenza predittiva: i limiti della Deep Learning

Per fare ciò, le centinaia di start up che oggi si dedicano proprio a questa ultima frontiera della AI, utilizzano le reti neurali, metodo di apprendimento della Deep Learning. Con il loro lavoro si possono ottenere quantità enormi di algoritmi.

Ma questo non basta, almeno per il momento, per fornire alla macchina strumenti completi per comprendere il linguaggio naturale. Per due motivi: il primo risiede nell’assimilazione di informazioni di origini e caratteristiche diverse, come accade nella mente umana. Si tratta di insegnare alla macchina un’organizzazione gerarchica delle informazioni provenienti da fonti diverse. Si basa proprio su questo modello il meccanismo di gerarchizzazione dei livelli di concetti del sistema Deep Learning, ma – nel caso del linguaggio verbale – capire come il cervello umano organizza e decodifica i suoni (e i significati che da essi ricava) richiede un ulteriore step di raffinazione del sistema.

Il linguaggio naturale è un connubio di saperi diversi, per fonte, ma soprattutto per metodo di interazione con l’ambiente. Questo procedimento genera quel fenomeno chiamato discontinuità

A questo proposito il Mit ha messo a punto un metodo per allenare la macchina a distinguere i suoni all’interno di una sequenza di rumori disturbanti di sottofondo. Lo scopo è quello di capire come la corteccia celebrale è in grado di effettuare una scrematura dei stimoli uditivi percepiti per poi assimilarli a suoni distinti riferibili a precisi significati. Anche in questo caso capire come funziona la gerarchia messa in atto per classificarli è un’operazione imprescindibile.

Il secondo motivo porta con sé le problematiche del primo e riguarda le informazioni che la macchina è in grado di assimilare. Il linguaggio naturale è un connubio di saperi diversi, per fonte, ma soprattutto per metodo di interazione con l’ambiente. Questo procedimento genera quel fenomeno chiamato discontinuità, un valore aggiunto alla comunicazione: il salto di qualità necessario alla creazione di una conoscenza predittiva.

Le reti neurali, per quanto possano tendere all’imitazione di un processo di gerarchizzazione delle informazioni, sono lontane dalle capacità di apprendimento tipiche dell’intelligenza umana. Per ovviare a questo inconveniente sono stati scritti algoritmi in grado di migliorare la capacità di apprendere della macchina, che utilizzano reti neurali artificiali. Anche stavolta la natura dà una mano all’intelligenza artificiale con un modello matematico ispirato alla rete neurale biologica, capace di creare un modello di apprendimento molto simile a quello umano. Le reti neurali artificiali sono in grado infatti di aumentare la capacità di calcolo della macchina, allineandola con la capacità umana di fare previsioni.

RELATED: L’intelligenza artificiale aiuta l’ambiente a interagire con l’uomo. I nuovi modelli di progettazione delle città

Pochi dati per volta: come le macchine processano le informazioni

Detto ciò, la comprensione del linguaggio naturale rappresenta uno dei compiti più difficili da impartire ad un processore, per via della complessa sintesi di informazioni da elaborare.

L’organismo di ricerca di Deep Mind (acquisita da Google nel 2014) che si occupa di Intelligenza Artificiale, afferma che il meccanismo di apprendimento dei computer – anche se potenzialmente a lungo spettro – può assimilare “poche” cose per volta, e allo stesso tempo gli algoritmi hanno bisogno di una grande quantità di dati per elaborare un sistema di informazioni capace di generare un livello di astrazione paragonabile a quello umano. Questo richiede, allo stato attuale, un notevole dispendio di tempo e denaro per le aziende che decidono di intraprendere questo percorso.

Nel frattempo, possiamo farci una cultura leggendo Cime Tempestose di Emily Brontë.

© Riproduzione riservata

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...