Intervento di Luca Console, Università di Torino e CINI - Laboratorio Nazionale AIIS, al convegno "Verso nuovi mondi. Dati, intelligenza artificiale, cultura" (Torino, 30 ottobre 2018), organizzato dal CSI Piemonte.

1. Intelligenza Artificiale:
traiettorie e prospettive
hype, sogni e paure, risvegli
Luca Console
DIPARTIMENTO DI INFORMATICA – UNIVERSITA’ DI TORINO
CINI – LABORATORIO NAZIONALE AIIS

2. Artificial Intelligence
• Tecnologia rivoluzionaria o moda del momento
• Sogni, magie, paure, hype and down
• Ultimi 5 anni, clamore, investimenti, iniziative
….
• Ma
– Davvero una rivoluzione?
– Cosa sta succedendo a livello scientifico/applicativo
– Cosa sta sucecdendo a livello politico/strategico
Luca Console - AI 2

3. Traiettoria
• Artificial Intelligence: spettro di metodologie e tecnologie
• Nasce fine anni 50 e si sviluppa in decenni successivi
• Goal: “far svolgere al computer compiti che se svolti da essere umani
verrebbero considerati intelligenti” (McCarthy 56)
• Ciclicamente alcune aree emergono su altre
– “logico”
– “common sense”
– “probabilistico”
– “cibernetico”
• Idem approcci applicativi
– Sistemi esperti
– Robotica
– Linguaggio e Traduzione
– Visione
– Smart objects in IOT
– ….
Luca Console - AI 3

4. Picchi e ricadute
• In modo simile ad altre discipline in area IT
– Ma spesso più marcati
– Alone di “magia” e “paura”
• Periodi oro anni 70-80 (e oggi)
• Periodi critici fine anni 60, inizio anni 90
• Utili per comprendere cosa sta accadendo
4Luca Console - AI

5. Un esempio: I sistemi esperti anni 70-80
– Risolvere problemi con competenze di un esperto nel settore e fornire
spiegazioni
– Vari approcci (regole, reti semantiche, frames)
– Conoscenza fornita da esperti e formalizzata da Knowledge Engineer
Luca Console - AI 5

6. – Sembrava potessero automatizzare tutto
– Chiunque diceva che faceva o voleva sistemi esperti
– Aziende spinsero gli “shell” (e le Lisp machine ..)
– Conf Sistemi esperti e applicazioni 3000 partecipanti
– Nascono Centri di AI (Lab AI del CSI …)
– “Fumo comunicativo”
– Poi la bolla si è sgonfiata
• Scientificamente ottimi risultati
• Applicazioni “locali” e “verticali” di successo
• Ma troppo gonfiata di aspettative
• Risveglio molto brusco in molti casi
Luca Console - AI 6
I sistemi esperti degli anni 70-80

7. Effetti della bolla
• Positivi
– La ricerca e le applicazioni “serie” sono andate avanti
– Comunità di Ai per molti aspetti spinta al rafforzamento
(nascono molte società scientifiche, forte collaborazione specie
in ambito UE) -> “decrescita felice” nella comunità scientifica
• Negativi
– Perdita di reputazione
– Pesante danno alla comunità scientifica
– Chiusura di aziende
7Luca Console - AI

8. … e dopo quella bolla ….
• Ricerca proseguita su diversi ambiti accademici e industriali avevano
approcciato i temi in modo serio
• Varie aree applicative con sistemi di AI
– NLP
– Sistemi diagnosi/configurazione/monitoraggio
– Robotica
– Planning
– Recommender
– …
• In diversi ambiti con ottimi risultati, magari senza troppo clamore
– Automotive
– Aersopace
– Health
– Beni culturali
– Industria
– ….
• Molti risultati in ambito italiano
Luca Console - AI 8

9. Oggi – un nuovo boom
• Scientifico?
• Mediatico?
• Su entrambi i fronti?
=>
C’è arrosto ma anche TANTO fumo
9Luca Console - AI

10. Oggi – un nuovo boom
• AI sa soluzione per tutto
• Chiunque fa o vende soluzioni con AI dentro
• E come allora
– Qualcuno lavora seriamente
– Ma non tutti
• E ancora miti, magie, paure ….
• Proviamo a guardare meglio ….
10Luca Console - AI

11. Cosa si intende per AI oggi
• Una visione distorta
• Sorta di equazione implicita
AI = machine (deep) learning
• Scientificamente scorretta e questo fa male
a AI e a deep learning
• Claim: Deep neural networks sono la
soluzione per tutto
11Luca Console - AI

12. Cosa è Deep Learning
Reti Neurali Artificiali
• Metodologie che hanno decenni
– Evoluzione di modello computazionale anni 30-40
• Oggi
– Potenza di calcolo cresciuta esponenzialmente
permette di creare reti di grandi dimensioni
(profonde) e applicarle con successo ad alcun
tipologie di problemi
– Disponibilità illimitata di dati
12Luca Console - AI

13. • Training della rete con esempi classificati (input e output
disponibili): Learning
• Algoritmi che garantiscono convergenza ovvero
stabilizzazione dei legami tra i neuroni con un peso
• Rete usabile per gestire nuovi input e quindi risolvere
problemi
13Luca Console - AI

14. Molte applicazioni
– “comprensione” del linguaggio
– “traduzione”
– Visione e riconsocimento
– Robotica
– Recommendation
– Decision making
– Classificazione
– …..
E loro combinazioni (es. guida autonoma, chatbot, ..)
Luca Console - AI 14

15. Cosa sta succedendo?
• Potenza di calcolo attuale permette di dare vita a
metodologie che hanno decenni
• Forte spinta da parte di big player (che hanno dati e
calcolo)
– Google, Microsoft, IBM …
• “facile” costruzione di soluzioni
– “impressionano” ma non tutti e… dipende come si valutano
– Vantaggi e problemi
Luca Console - AI 15

16. Ad esempio
• Fornisco esempi di persone con strumenti
musicali
• Apprendo un sistema di riconsociemento e
classificazione che riconoscerà queste
situazioni e le altre per cui ho fornito esempi
Luca Console - AI 16

17. E dati questi successi ….
• Tutti dicono che usano AI
• Chiunque venda un qualunque manufatto IT
afferma che ha AI all’interno
• Di AI parlano tutti anche chi non sa di cosa
parla
• Si ipotizzano Umanoidi in grado di sostituirci
in tutti …. Miti, paure …
17Luca Console - AI

18. Conoscenza
Reasoning
Problem Solving
Learning
Comunicazione
Collaborazione
……..Interazione
Naturale
Seamless
Adattiva
Personale
Contesto-ambiente
AI in tutti i casi? NO
Luca Console - AI 18
Conoscenza
Reasoning
Problem Solving
Learning
Conoscenza
Reasoning
Problem Solving
Learning
• AI si basa sull’idea di un sistema
• Spesso deep learning e network solo una parte

19. Appreso qualcosa da esempi ….
• Trasformare in conoscenza
• Integrare con altra conoscenza
• Ma inferire tutto ciò che sta dietro a questo
• per prendere decisioni non solo reattive
• Problem solving
• Spiegazione
• Interazione
19Luca Console - AI

20. Quindi...
• Ottime soluzioni e applicazioni (non sempre)
– Visione
– Robotica
– Linguaggio e traduzione -> chatbot
– …
• Applicazioni, verticalizzazioni (come per sistemi
esperti)
• Spesso ancora lontani da vera intelligenza
umana
20Luca Console - AI

21. Human-like intelligence
VS
Animal like abilities
The vision systems of the eagle and the snake
outperform everything that we can make in the
laboratory, but snakes and eagles cannot build
an eyeglass or a telescope or a microscope.
(Judea Pearl)
Luca Console - AI 21

22. Ancora su miti sogni e paure
• Ambiti di ricerca interessanti
• Soluzioni serie
• Ma anche patacche
• Guardare nella giusta prospettiva
– Deep learning non è soluzione per tutto
– Ottimi sistemi e verticilizzazione
– Voliamo basso con sogni e i miti
– Smitizziamo le paure
– Imparare dal passato
Luca Console - AI 22

23. E attenzione
• Una disciplina scientifca e i pericoli di un boom
– Pro e Contro e attenzione (anche alle storie passate)!
– Ciarlatani e saltinbanchi: Troppi saltano sul carro solo perché
è un carro di moda e spesso non sanno nemmeno di cosa si
tratta
– Divulgazione
• Spesso troppo enfatica
• Spesso non informata
• Attenzione ai grandi player e alle direzioni che inducono
• Attenzione a non egemonizzare ricerca e formazione su AI
=> forte impoverimento culturale in atto
Luca Console - AI 23

24. AI e Analisi Dati
• Ottime soluzioni per analisi dati
– Data mining, Knowledge discovery
• Ragionare su “conoscenza” che si
produce
• Integrazione con altra “conoscenza”
Luca Console - AI 24

25. La situazione politico/strategica
• Italia avanti a livello scientifico ma molto indietro a
livello politico
– Vedi Francia (Cedric Villani), Germania (Wolfgang Wahlster), Scandinavia,
Stati Uniti (nuove linee ricerca AI - Explainability), …. e vedi movimenti in
UE (Claire, Ellis)
– Invece task force AI di Agid …..
– e vediamo cosa farà il MISE (think tank di 30 esperti) ….
Luca Console - AI 25

26. 26
• A consortium of 45
Italian Universities that
– do research in CS/CE
– deliver BS, MS, PhD degrees
– are public funded
– Involves 1,300+
professors of CS or CE
• Involves 1,300+
professors of CS or CE
Laboratorio CINI AIIS
Luca Console - AI 26

27. CINI: Thematic R&D National
Labs
• AIIS: Artificial Intelligence
and Intelligent Systems
• AsTech: Assistive
Technologies
• Big Data
• CFC: ICT Skills, Training,
and Certification
• Cybersecurity
• Embedded Systems &
Smart Manufacturing
• Infolife: Formal Methods
and Algorithmics for Life
Sciences
• Informatica e Società
• Smart Cities &
Communities
Luca Console - AI 27

28. Laboratorio Nazionale AIIS
• Nasce a Luglio 2018
• Forte tradizione Italiana in AI
• Necessità di Organismo Scientifico
Italiano al pari di altri paesiEuropei
• Contesto di iniziative in US, Cina,
Europa
Luca Console - AI 28

29. Obiettivi
• rafforzare la ricerca italiana
• supportare il ruolo dell’Italia nel mondo
• sostenere l'industria IT italiana promuovendo il
trasferimento tecnologico dalla ricerca alla
imprenditorialità
• supportare la società Italiana
• Contribuire a nuove visioni dell’AI non solo
tecnologiche
• Monitorare le risorse italiane per sviluppare la
tecnologia
Luca Console - AI 29