Darbinyan di SmartClick, occorre trasparenza in AI

Numerose e disparate sono oggi le soluzioni che fanno uso di tecnologie di intelligenza artificiale, che già si muove dietro le quinte del nostro quotidiano. Spesso in campi e applicazioni a cui non penseremmo. Rem Darbinyan, imprenditore con oltre 20 anni di esperienza nello sviluppo software e fondatore e CEO di SmartClick, fa una interessante panoramica di alcuni impieghi dell’intelligenza artificiale, spaziando dal medicale alla birrificazione. Sottolinenando come la trasparenza dei processi generati dagli algoritmi di apprendimento sia un fattore determinante per l’adozione su larga scala di queste metodologie.

“L’AI trova molte applicazioni nell’industria medicale, e tra le più recenti è molto interessante quella sviluppata dal MIT di Boston per la scoperta di nuovi farmaci – esordisce Darbinyan -. L’utilizzo di un modello di AI addestrato con un’ampia quantità di dati relativi a farmaci e disturbu ha consentito ai ricercatori di scoprire un potente antibiotico chiamato ‘halicin’ (alicina) in grado di uccidere molte specie di batteri. I ricercatori hanno realizzato un modello di classificazione mediante una rete neurale e un modello di calcolo che è in grado di esplorare 100 milioni di composti chimici nel giro di pochi giorni. La scoperta rappresenta un grande traguardo nello sviluppo farmacologico. Tuttavia, questi modelli sono spesso delle scatole nere, in quanto imparano a predire le funzioni molecolari senza alcun presupposto su come funzionano i farmaci e senza etichettatura dei gruppi chimici. Apprendono nuovi pattern sconosciuti agli esperti, il che richiede poi nuovi studi per ottenere un’approvazione da parte della FDA prima di poter essere inseriti in trial clinici”.

Questo primo esempio porta quindi il CEO di SmartClick a fare un’essenziale raccomandazione: l’AI è utilizzabile quando può essere spiegata. Se infatti si è in grado di tracciare il percorso che il sistema segue per giungere a una certa conclusione, sarà anche molto più facile comprendere e implementare le informazioni che procura.

“Un’altra interessante applicazione di AI è quello condotto dalla Seoul National University, per la costruzione di un modello per la simulazione della muscolatura umana – prosegue Darbinyan -. I ricercatori qui hanno impiegato un modello muscolo scheletrico basato sul deep learning per rinforzo, giungendo alla simulazione predittiva delle condizioni muscolari e motorie umane in caso di debolezza muscolare, deformità ossee e impiego di protesi. Le simulazioni ottenute possono aiutare a studiare la fisiologia umana da un nuovo punto di vista. Lo studio potrebbe quindi rivelarsi utile anche per la comprensione delle capacità motorie prima e dopo un intervento chirurgico, consentendo ad esempio di ottimizzare gli interventi e prevedere l’insorgere di possibili problemi”.

La fisica offre quindi alla AI molteplici spunti applicativi. Un esempio è la simulazione dei fluidi su larga scala, grazie alla capacità dell’AI di studiare il comportamento di milioni di particelle in ambiti di simulazione potenzialmente illimitati. “Il ricorso a modelli complementari di AI nella simulazione degli Tsunami consente agli studiosi di prevedere il loro verificarsi e poi il loro verosimile comportamento – spiega il CEO -. La AI può inoltre essere utilizzata per simulare la diffusione di fumo in caso di incendi, aiutando a ridurre al minimo i pericoli derivanti. La simulazione trova quindi impiego in campo scientifico ma anche in una serie di altri settori, riducendo il ricorso a costose e lunghe attività di test. Anche nei casi sopra riportati, però, la mancanza di trasparenza nella AI potrebbe rendere complicata l’adozione delle tecniche sviluppate, dal momento che le modalità che portano alla presa di decisioni mediante AI non sono spesso del tutto spiegabili, mentre nuovi approcci scientifici e nel medicale richiedono una piena e chiara comprensione per essere approvati“.

Infine, Darbinyan porta come ultimo esempio la creazione di nuove formule di prodotti quali fragranze e bevande alcoliche, birra nella fattispecie, dove algoritmi di machine learning creano nuove combinazioni studiate per specifici target di consumatori.

“Il produttore tedesco di profumi Symrise ha qui unito le forze con IBM utilizzando l’algoritmo di machine learning Philyra per studiare le formule di fragranze esistenti comparando gli ingredienti con i dati dei consumatori, quali appartenenza geografica, età e preferenze. L’algoritmo ha quindi creato nuove formule personalizzate per specifici segmenti di mercato. In maniera simile, l’azienda IntelligentX ha creato la prima birra al mondo prodotta grazie alla AI, utilizzando il machine learning e i feedback provenienti dai consumatori per creare una ricetta unica perfettamente bilanciata sui loro gusti. Questo ultimo esempio mostra quindi l’importanza irrinunciabile del fattore umano, nello specifico i sensi, il gusto, l’olfatto, essenziali per lo sviluppo e l’implementazione di queste soluzioni di AI. L’evoluzione di questi strumenti potrà infatti portare grandi rivolgimenti in tutti i settori industriali, con enormi vantaggi in termini di risparmio di risorse ed efficienza. E le aziende hanno tutto l’interesse nell’investire in AI, ma il loro successo dipenderà strettamente da quanto i progetti di AI siano spiegabili, come si diceva prima, e anche dal fatto che non siano intese come totale sostituzione dei lavoratori esistenti. Il fattore umano, le intuizioni e le emozioni delle persone, anche con la AI saranno sempre determinanti per il successo di ogni decisione di business nelle organizzazioni”.