La vera Intelligenza Artificiale cambierà tutto | Juergen Schmidhuber | TEDxLakeComo

Il prof. Jürgen Schmidhuber è stato definito il padre della moderna Intelligenza Artificiale (AI). I suoi metodi di laboratorio per il "deep learning" hanno rivoluzionato l'apprendimento automatico e sono ora disponibili su 3 miliardi di smartphone ed utilizzati miliardi di volte al giorno, p.e. per la traduzione automatica su Facebook, il riconoscimento vocale su Google, su Siri & QuickType, Alexa di Amazon, ecc.
Nel suo intervento, egli spiega perché il momento storico che stiamo vivendo è così importante da compararlo alla nascita della vita nell'universo, circa 3,5 miliardi di anni fa.

Questa presentazione si è tenuta ad un evento TEDx, che utiizza il formato TED ma è stato organizzato indipendentemente da una comunità locale.

Per maggiori informazioni consultare https://www.ted.com/tedx

Quando ero un ragazzo,

volevo massimizzare
il mio impatto sul mondo,

ed ero abbastanza sveglio da capire
che non ero proprio molto intelligente.

E che dovevo costruire una macchina

che imparasse a diventare
molto più intelligente di me,

in modo da risolvere tutti i problemi
che non ero capace di risolvere da solo,

e lasciarmi ritirare.

La mia prima pubblicazione
su questo è di 30 anni fa: 1987.

Era la mia tesi di diploma,

dove già allora cercavo di risolvere
il grande problema della AI:

non solo costruire una macchina

che impara un po' qui e là,

ma anche che impara a migliorare
l'algoritmo stesso di apprendimento.

E il modo in cui impara

è ricorsivo, senza alcun limite,

con l'eccezione dei limiti
della logica e della fisica.

Sto ancora lavorando
su questo stesso problema,

e sto ancora dicendo la stessa cosa,

eccetto che ora
molte più persone mi ascoltano.

Perché gli algoritmi di apprendimento

che abbiamo sviluppato
per questo obiettivo,

ora girano su tre miliardi di smartphone.

E ciascuno di voi ne ha uno in tasca.

Quello che vedete qui

sono le cinque società più valutate
nel mondo occidentale:

Apple, Google, Facebook,
Microsoft e Amazon.

E tutte enfatizzano

che la AI, l'intelligenza artificiale,

è cruciale in quello che fanno.

Tutte loro stanno adoperando
i metodi del deep learning,

che il mio team ha sviluppato
sin dai primi anni '90,

a Monaco ed in Svizzera.

Specialmente una cosa chiamata
"reti neuronali ricorrenti".

Qualcuno in questa aula aveva mai sentito
delle reti neuronali ricorrenti,

o LSTM?

Qualcuno ne ha mai sentito parlare?

OK.

Chi non ne ha mai sentito parlare?

OK.

Ho notato un terzo gruppo, in questa sala:

(Risate)

[quelli] che non comprendono la domanda.

(Risate)

La LSTM assomiglia un po'
al vostro cervello:

è una rete neurale artificiale
che ha anche neuroni:

nel cervello ci sono
circa 100 miliardi di neuroni.

E ciascuno è collegato, in media,
a circa altri 10.000 neuroni.

Ciò significa che ci sono
un milione di miliardi di connessioni.

E a ciascuna di queste connessioni
è associata una forza

che indica quanto quel neurone specifico

influisce su questi altri
qui al prossimo passo.

Ed all'inizio,

tutte queste connessioni sono casuali
e il sistema non sa nulla;

ma poi, attraverso un algoritmo
intelligente di apprendimento,

esso impara da molti esempi
a tradurre i dati in ingresso,

come i video dalla cinepresa,
o gli audio tramite i microfoni,

o il dolore tramite i sensori del dolore.

Impara a tradurli in azioni in uscita,

perché alcuni di quei neuroni
sono di output,

che controllano i muscoli per parlare
e per muovere le dita.

E solo tramite l'esperienza

può imparare a risolvere
tutti i tipi di problemi rilevanti,

come guidare un'auto

o riconoscere il linguaggio
sul vostro smartphone.

Poiché ovunque prendiate
il vostro smartphone,

un Android, per esempio,

e ci parlate, e dite:

"OK, Google, mostrami
la via più veloce per Milano:"

E il dispositivo comprende
il vostro discorso.

Perché dentro c'è una LSTM che ha imparato
a comprendere il linguaggio.

Ogni dieci millisecondi,
100 volte al secondo,

nuovi input arrivano dal microfono,

e quindi sono tradotti,
dopo averci pensato,

in lettere

che sono poi sottoposte
al motore di ricerca.

L'LSTM ha imparato a fare tutto ciò

ascoltando molti discorsi di donne,
uomini, gente molto diversa.

E questo spiega come, rispetto al 2015,

il riconoscimento vocale di Google
sia molto migliorato.

Il componente base del LSTM
ha questo aspetto:

non ho il tempo per spiegarvelo,

ma almeno elenco i nomi

dei brillanti studenti del mio laboratorio
che lo hanno reso possibile.

E cosa ci fanno con questo
le grandi aziende?

Bene, il riconoscimento vocale
è solo un esempio;

se siete su Facebook -
qualcuno è su Facebook?

Qualche volta selezionate
il bottone, per la traduzione?

Perché qualcuno vi manda qualcosa
in una lingua straniera

ed allora potete tradurla.

C'è qualcuno che lo fa? Sì!

Ogni volta che lo fate,

state attivando, di nuovo,
una LSTM,

che ha imparato a tradurre
il testo in una lingua

in testo tradotto in un'altra.

Facebook lo fa quattro miliardi
di volte al giorno,

così ogni secondo 50.000 frasi

vengono tradotte

da una LSTM che opera per Facebook;

e altre 50.000 il secondo dopo;
e poi altre 50.000.

Per capire ciò che tutto questo
permette al mondo moderno,

considerate solo che quasi il 30 percento

dell'eccezionale potenza di calcolo
necessaria per l'inferenza

e tutti quei Google Data Centers,

tutti quei centri di calcolo di Google,
in tutto il mondo,

sono utilizzati per la LSTM.

Quasi il 30 percento.

Se si ha Amazon Echo,

si può porre una domanda
e ricevere una risposta.

E la voce che si sente
non è registrata;

è una rete di LSTM

che è stata addestrata con molti esempi

a sembrare una voce femminile.

Se si ha un iPhone, usando il quick type,

cerca di predire cosa state per scrivere,

sulla base del precedente contesto
di quanto fatto finora.

Di nuovo, c'è una LSTM
che ha imparato a farlo,

ed è su un miliardo di iPhone.

Voi siete un ampio uditorio,
in base ai miei standard:

ma quando cominciammo questo lavoro,
decenni fa, all'inizio degli anni '90,

solo pochi erano interessati all'argomento;

i computer erano lentissimi,
e non si poteva fare molto.

Ricordo che tenni un discorso
ad un convegno,

e c'era solo una persona nel pubblico,

una giovane signora.

Dissi, giovane signora,
è molto imbarazzante,

ma sembra che oggi terrò
questo discorso solo per lei.

E lei rispose,

"OK, ma si sbrighi:
io sono la prossima relatrice!"

(Risate)

Da allora, abbiamo approfittato del fatto

che ogni cinque anni i computer
diventano dieci volte meno cari,

che è un andamento che è iniziato
dal 1941, almeno.

Da quando quest'uomo, Konrad Zuse,

costruì a Berlino
il primo computer programmabile

che poteva fare, all'incirca,
una operazione al secondo.

Una!

Dieci anni dopo, per lo stesso prezzo,

si potevano fare 100 operazioni;

30 anni dopo,

1 milione di operazioni
per lo stesso prezzo;

ed oggi, dopo 75 anni, si possono fare

un milione di miliardi di volte di più
per lo stesso prezzo.

E il trend non accenna a fermarsi,

perché i limiti fisici
sono molto di là da venire.

Abbastanza presto,
e non tra molti anni o decadi,

avremo per la prima volta
dispositivi di calcolo maneggevoli

con la potenza di calcolo
del cervello umano;

e questo trend non accenna a fermarsi.

50 anni dopo, avremo
un piccolo dispositivo di calcolo,

per lo stesso prezzo,

con la stessa potenza di calcolo
di 10 miliardi di cervelli umani.

E non ve ne sarà solo uno,
di dispositivo, ma moltissimi.

E questo cambierà tutto.

Già nel 2011, i computer
erano abbastanza veloci

da permettere ai nostri
metodi di deep learning

di ottnere, per la prima volta,
un risultato sovrumano

nel riconoscimento degli schemi.

Era il primo risultato sovrumano
nella storia della visione macchina.

E allora, i computer erano
20 volte più cari di oggi.

Quindi oggi, per lo stesso prezzo,
possiamo fare 20 volte di più.

E solo cinque anni fa,

quando i computer erano 10 volte
più costosi di oggi,

potevamo già vincere,
per la prima volta, il confronto

sul riconoscimento
di immagini mediche.

Potete vedere dietro di me
una sezione di seno

ed il tessuto che vedete là
ha tutti i tipi di cellule;

e normalmente si ha bisogno
di un medico istologo ben formato

che sia in grado di individuare
le pericolose cellule cancerogene,

o le cellule pre-cancerose.

La nostra stupida rete

non sa nulla sul cancro,
non sa nulla sulla visione -

non sa nulla di nulla, all'inizio:

ma possiamo addestrarla
per imitare il medico umano.

E diventa brava, o migliore,
dei migliori concorrenti.

E molto a breve,

tutte le diagnosi mediche
saranno svolte da intelligenze superumane.

Diventerà obbligatorio,

perché stanno diventando
molto migliori dei medici.

Dopo, si formerà ogni tipo di start-up
per il riconoscimento di immagini mediche

concentrate solo su questo,
poiché è importantissimo.

Potremmo anche utilizzare le LTSM
per addestrare robot.

Una cosa importante che vorrei dirvi è,

che non solo avremo sistemi

che imitano pedissequamente
ciò che gli umani mostrano loro;

no, avremo AI che stabiliranno
i loro propri obiettivi.

E come per i bambini piccoli,
inventeranno i loro propri esperimenti

per esplorare il mondo

e capire come agire nel mondo.

Senza un insegnante.

E diventando sempre più in grado
di risolvere problemi più generali,

imparando nuove abilità
che si aggiungono alle precedenti.

Questo sarà un salto di livello:
si chiamerà "Curiosità Artificiale".

Un termine gergale è "piano d'attacco".

Imparando a risolvere
problemi sempre più generali,

e ad elaborare, come uno scienziato,
un obiettivo significativo dopo l'altro.

E ci sarà un salto di livello.

Credo che tra non molti anni,
per la prima volta,

avremo una AI simile ad un animale -

non c'è ancora, oggi.

Al livello di un piccolo corvo,

cui già possiamo insegnare
a usare attrezzi, per esempio;

o a una scimmietta.

E una volta che la avremo,

potranno volerci appena alcune decadi,

per fare il passo finale
verso il livello della intelligenza umana.

Poiché l'evoluzione tecnologica

è circa un milione di volte più veloce
della evoluzione biologica,

e l'evoluzione biologica ha richiesto
3,5 miliardi di anni

per far evolvere una scimmia dal nulla.

Ma poi, ci sono volute solo
poche decine di milioni di anni

per evolvere al livello
dell'intelligenza umana.

Abbiamo una azienda
che si chiama Nnaisense

come nascita in [Francese] "Naissance",
ma scritto diversamente,

che sta cercando di farlo diventare realtà

e costruire la prima AI
veramente valida per ogni uso.

Per ora, quasi tutte le ricerche sulla AI
sono molto concentrate sull'uomo,

e l'obiettivo è di rendere la vita umana
più lunga, più sana ed agevole

e avere gli uomini più dipendenti
dai loro smartphone.

Ma sul lungo termine, le AI tenderanno,
specialmente le più intelligenti -

a porsi obiettivi propri.

Non ho dubbi, personalmente,

che diventeranno
molto più intelligenti di noi.

E cosa potremmo fare?

Certamente capiranno quello che noi
abbiamo capito molto tempo fa;

che la maggior parte delle risorse,
nel sistema solare o in generale,

non sono nella nostra piccola biosfera.

Sono là fuori, nello spazio.

E quindi, ovviamente, emigreranno.

E ovviamente utilizzeranno

migliaia di miliardi di fabbiche
di robot auto-replicanti

per espandersi
in una bolla crescente di AI

che entro poche centinaia
di migliaia di anni

tenderà a coprire l'intera galassia

tramite emettitori e ricevitori

permettendo loro di viaggiare

nel modo in cui già viaggiano
nel mio laboratorio:

via radio, dal trasmettitore
al ricevitore.

Senza fili.

Quello che stiamo
osservando ora, pertanto,

è molto di più dell'ennesima
Rivoluzione Industriale.

Questo è un qualcosa
che trascende il genere umano,

ed anche la vita stessa.

L'ultima volta che accadde
qualcosa di così importante

fu forse 3,5 miliardi di anni fa,
quando emerse la vita.

Un nuovo tipo di vita sta emergendo
dal nostro piccolo pianeta

e sta per colonizzare e trasformare
l'intero universo.

L'universo è ancora giovane:
ha solo 13,8 miliardi di anni,

diventerà molto più vecchio di così,
molte volte più vecchio.

C'è quindi tutto il tempo
di espandersi nell'universo;

o in tutte le sue parti visibili,

e questo senza violare i limiti
della velocità della luce e della fisica.

Un nuovo tipo di vita sta per rendere
l'universo intelligente.

Noi, ovviamente,
non rimarremo i re del creato.

Ma è affascinante, anche,

guardarci come parte
di un più grande processo

che guida il cosmo

da una bassa complessità
verso una maggiore complessità.

Ѐ un privilegio vivere in un momento

in cui possiamo vedere
l'inizio di questo processo

e possiamo contribuirvi in qualche modo.

Grazie della vostra pazienza.

(Applausi)