Siri di Apple
Siri è il risultato degli sforzi e delle ricerche in fatto di IA di Apple

L’intelligenza artificiale ha fatto enormi progressi negli ultimi anni. Si pensi al riconoscimento delle immagini, o al suggerimento di prodotti che l’utente molto probabilmente, in base a precedenti comportamenti, comprerà. Ma per i computer c’è ancora molta strada da fare, come nella memorizzazione di cose, similmente alla mente umana. A tal proposito si è espresso un guru della IA: Ruslan Salakhutdinov, Direttore della Ricerca per l’IA di Apple.

Egli ha dunque parlato di queste limitazioni, ed ha chiaramente detto, durante un evento del MIT (Massachusetts Institute of Technology) che la sua azienda incorpora gran parte dei suoi sforzi di quel ramo nell’assistente vocale Siri.

Salakhutdinov, che è entrato in Apple ad Ottobre, dice che il team sta concentrando la sua attenzione su un tipo di Intelligenza Artificiale conosciuto come reinforcement learning (apprendimento per rinforzo), che i ricercatori utilizzano per insegnare ai computer a prendere decisioni diverse in modo da individuare la soluzione ottimale e preferibile alle altre. Google, ad esempio, ha utilizzato l’apprendimento per rinforzo per aiutare i suoi computer a trovare la miglior soluzione di funzionamento e raffreddamento dei data center, rendendoli anche più efficienti dal punto di vista energetico.

Alla Carnegie Mellon University, dove Salakhutdinov è professore associato, i ricercatori hanno utilizzato l’apprendimento per rinforzo per insegnare ai computer a giocare alla versione degli anni ’90 del videogioco Doom. I computer hanno rapidamente imparato a sparare gli alieni, e a schivare i colpi degli avversari per non subire danni. Al contrario, non sembravano riuscire ad apprendere quale fosse la struttura del labirinto di gioco, per cui non erano in grado di pianificare una strategia di movimento.

Parte della ricerca di Salakhutdinov è iniziata da qui, dall’idea di insegnare al computer a muoversi nel labirinto virtuale di Doom, utilizzando dei riferimenti come le torce sui muri e distinguendo tra torce verdi e torce rosse, ciascuno dei due tipi corrispondenti a una torre. Alla fine, il software ha imparato a percorrere il labirinto per raggiungere la torre corretta; ma nel caso in cui si è reso conto di aver raggiunto la torre sbagliatta, ha ripercorso il labirinto al contrario fino a raggiungere la torre opposta. Il software era in grado di riconoscere il colore della torcia ogni volta che raggiungeva una torre.

Questo tipo di IA richiede molto tempo per allenarsi, e richiede un elevato potere di calcolo, per cui risulterebbe complicato replicarla su larga scala.

Altro tema di interesse per Salakhutdinov è il rapido apprendimento, da parte dell’IA, a partire da pochi esempi e poche esperienze. Questo aiuterebbe molto Apple nello sviluppo di prodotti migliori in breve tempo.

Alcuni esperti in tema di Intelligenza Artificiale sostengono che Apple presenti una certa inferiorità in questo campo tecnico, rispetto a competitors come Google o Microsoft, a causa delle norme sulla privacy più severe, cosa che limita la quantità di informazioni utile a “istruire” i suoi computer.