Dalla birra alle orche, l'incredibile versatilità del machine learning

Intelligenza artificiale e machine learning sono sulla bocca di tutti, ma quali sono i più strani utilizzi di tali tecnologie? Ve ne presentiamo tre.

Dalla birra alle orche, l'incredibile versatilità del machine learning
Articolo a cura di

Sempre più spesso sentiamo parlare di intelligenza artificiale e machine learning e, in un precedente articolo, potete vedere illustrato uno degli utilizzi più immediati di questo tipo di tecnologia, ovvero i generatori di testo.
Tuttavia, il numero di ambiti in cui le IA vengono implementate cresce a dismisura, includendone alcuni che sorprendono, e non poco. Vediamo di seguito tre tra le più insolite applicazioni di IA mai pensate.

Deeper, una birra intelligente

La birra è una delle bevande più antiche prodotte dall'uomo, tanto da essere già rintracciabile in Mesopotamia ed Egitto qualche millennio prima dell'anno 0. Ancora oggi il mondo della birra artigianale è in continua espansione, con nuovi stili che nascono di tanto in tanto, e l'avanzamento tecnologico ha facilitato l'incremento produttivo, ma non solo. A settembre, infatti, è stata annunciata Deeper, una birra creata con Brauer AI, un'intelligenza artificiale frutto della collaborazione tra la compagna di sviluppo software Jaywalker Digital, l'università di Lucerna e una micro-birreria svizzera, MNBrew.
Deeper è una IPA, una birra in cui le note luppolate e fruttate fanno da padrone, e il nome deriva dagli algoritmi di Deep Learning che sono appunto stati utilizzati per produrla. Ricercatori dell'Università di Lucerna si sono occupati di creare un'IA che potesse generare nuove ricette, e l'intelligenza artificiale è stata poi allenata con 67345 varianti, imparando a combinare 15 varietà di malto e 1648 di luppolo.

Il processo per realizzare Deeper è stato molto semplice: i birrai hanno deciso lo stile, una IPA appunto, e l'IA ha suggerito una ricetta con 20 ingredienti. Pensate che Brauer AI seleziona malti, luppoli con relativi tempi di bollitura e ingredienti aggiuntivi, e, se siete particolarmente indecisi, è anche in grado di selezionare lo stile di birra. La birra è disponibile sul sito del birrificio; se siete in Svizzera e siete curiosi non vi resta che comprarla, altrimenti, se volete testare Brauer AI e le sue ricette, potete farlo liberamente a questo indirizzo.

Scegliere costumi di Halloween

Probabilmente ognuno di noi ha avuto quell'odiosa indecisione su quale costume indossare per l'ennesima festa di Halloween a cui siamo stati invitati. Spesso l'indecisione viene risolta riciclando qualche maschera utilizzata negli anni passati, ma come potremmo elaborare ogni anno un costume diverso e creativo? Questa è stata probabilmente la domanda che ha spinto la scrittrice Janelle Shane ad allenare un'IA a scegliere nuovi costumi.
La scrittrice ha chiesto ai propri lettori di mandare idee per costumi da Halloween, raccogliendone più di 4500. Tutte queste istanze sono state poi fornite ad una rete neurale, un particolare tipo di IA.

Una rete neurale è un insieme di algoritmi che lavora in modo simile a come lavora il nostro cervello: ogni neurone (una singola formula matematica) riceve un input, interagisce tramite delle connessioni con gli altri neuroni, che interagiscono analogamente tra di loro, e viene quindi fornito un output.
Le reti neurali sono caratterizzate inoltre da un comportamento adattivo, infatti, dopo aver prodotto un output, viene calcolato un errore tramite una specifica funzione matematica, che deve essere specificata a priori, e quest'ultimo è usato per aggiornare gli algoritmi, cercare di ottenere un errore inferiore e quindi una predizione "migliore".

Su questo articolo del NY Times potete trovare qualche esempio di tali predizioni, alcune delle quali sono molto divertenti, come "Thor pirata selvaggio" o "Coniglio di Frankenstein". C'è anche molto nonsense naturalmente, visto che la rete neurale non è in grado di capire ciò che produce. In questo set di esempi si può anche intravedere uno dei problemi che testi e immagini prodotte da IA devono fronteggiare: molti degli esempi proposti nell'articolo sono costumi "sexy", questo perché spesso i costumi di Halloween sono provocanti, e quindi l'IA ha incontrato molte istanze piccanti nel suo allenamento.

Chiaramente, questo non è un grave problema, ma può diventarlo in altre circostanze. Ad esempio, generatori di testo allenati su contenuti presenti sui social network saranno inclini ad includere nelle loro produzioni discorsi d'odio, o idee razziste e sessiste, poiché molte di queste problematiche sono frequentemente rintracciabili sulle bacheche social. Sebbene non ci sia un modo semplice di affrontare tale criticità, questo è uno dei temi che dovranno essere inclusi nel dibattito sulle IA negli anni che verranno, per evitare di trasmettere agli algoritmi gli stessi bias e pregiudizi che affliggono parte del genere umano.

Salvare specie a rischio d'estinzione

Ogni anno la lista delle specie a rischio di estinzione viene aggiornata e, ad oggi, la "lista rossa" dell'IUCN (Unione Internazionale per la Conservazione della Natura) comprende ben 41415 animali o piante a rischio. La conservazione delle specie è uno dei grandi temi della modernità, e sempre più ricercatori stanno unendosi a quella che è una vera e propria lotta contro il tempo, cercando di impiegare metodi all'avanguardia e favorire approcci multidisciplinari. Ovviamente, una grande risorsa come il machine learning non poteva rimanere inutilizzata e sta rivestendo un ruolo importante nella conservazione delle orche (che recentemente hanno attaccato oltre 40 imbarcazioni per un motivo non ancora specificato).

L'intera popolazione di orche non è formalmente classificata a rischio, ma solo per mancanza di dati sulla loro diffusione. Tuttavia, una specifica popolazione di orche, le cosiddette "Southern resident killer whales", che si trovano tra la California e l'Alaska, sono ritenute a rischio dal Congresso degli Stati Uniti.

La perdita di anche una sola orca di questa popolazione è tragica, visto che ne esistono solo 73 esemplari, quindi ogni singolo provvedimento che può metterle al sicuro è importantissimo. Un particolare problema che affligge la zona in cui tali orche risiedono è la fitta rete di rotte commerciali, che possono portare a scontri tra navi e gli animali, con conseguenze disastrose per i mammiferi.

Alcuni ricercatori canadesi si sono quindi messi in ascolto, collezionando suoni con un sistema di microfoni subacquei. Hanno raccolto ben 1800 ore di audio sottomarino, con 68000 diverse etichette che segnalavano l'origine del suono, e hanno usato tutto ciò per allenare un modello di machine learning a riconoscere suoni provenienti da orche.
Adesso il modello è in grado di segnalare in tempo reale la presenza di un'orca su un'interfaccia web, e di mandare un allarme ai frequentatori dello spazio marino. Il modello vuole anche predire l'area in cui le orche sono più probabili transitare nelle tre, quattro ore successive il rilevamento, per poter evitare che le navi traffichino in quell'area, o quantomeno per far prestare maggiore attenzione ai navigatori.

Come potete ben immaginare, queste sono solo alcune delle applicazioni dell'IA e del machine learning, tecnologie che stanno già rivoluzionando le nostre vite e sono destinate a cambiarle ancora di più. Molto spesso non ci accorgiamo neanche che stiamo usufruendo di tali strumenti, per esempio, per concludere con un tema caro a questa community, il ray tracing presente nelle schede grafiche della serie 3000 di NVIDIA è realizzato tramite reti neurali, una tecnica di machine learning appunto; il futuro è davanti ai nostri occhi.