IL COMPUTER CHE SCOPRE I BLUFF

"Non abbiamo insegnato a Libratus come giocare a poker. Gli abbiamo dato le regole e gli abbiamo detto di imparare per suo conto"

E lui non solo ha imparato, ma ha vinto 1,7 milioni di dollari battendo i migliori giocatori di poker al mondo.  Tutto ciò è accaduto al torneo di Pittsburgh, il 31 gennaio 2017.

Considerando il ritmo evolutivo e quanto ci insegna la legge di Moore  - il numero di transistor raddoppia ogni due anni, vedi grafico n° 3 - oggi lo stesso computer è diventato imbattibile per qualunque essere umano.

Però il poker non è il gioco degli scacchi, ove le mosse sono in qualche modo riconoscibili e dove ormai i computer vincono sempre il confronto - per comprendere il sorpasso, nel gioco degli scacchi il punteggio viene quantificato in Elo e i primi dieci giocatori del mondo hanno da 2.850 Elo a 2.770 Elo, mentre il punteggio assegnato ai più potenti computer del mondo va da 3.360 Elo a 3.160 Elo - nel poker la macchina non ha vinto prevedendo le mosse dell’avversario, come negli scacchi, ma giocando d’astuzia. 

Ma come fa un computer a essere furbo? 

Grazie al gioco di squadra: l'intelligenza artificiale infatti non rappresenta solo qualche algoritmo ben congegnato, bensì un'ecosistema di tecnologie e macchine che lavorano insieme per un obiettivo. E questo ecosistema, proprio come quello umano, impara e si evolve con l'esperienza.

La capacità di apprendimento dei computer dipende soprattutto da: 

-  comprensione e analisi del linguaggio, per organizzare le informazioni raccolte;

-  elaborazione di segnali sonori tramite i quali viene percepito l’ambiente;

-  azione autonoma (di robot o sistemi esperti, ad esempio) che consente di intervenire nel mondo “reale”. 

I dati sono la benzina, la potenza di calcolo il motore: insieme permettono di riconoscere delle strutture in ciò che prima non poteva essere strutturato.

La grande differenza tra intelligenza artificiale e umana è infatti che la nostra mente ha una capacità limitata, quella di un computer può essere aumentata quasi all’infinito. E la capacità di archiviazione costa sempre di meno (grafico n° 2).

Si possono quindi utilizzare i “big data” per individuare dei pattern che sfuggono al nostro cervello. Considerato il volume di dati a disposizione la cosiddetta causalità, cioè il rapporto causa-effetto, non è più decisivo per riconoscere e prevedere dei trend. Occorre invece considerare le correlazioni, vale a dire connessioni individuate in modo puramente statistico che consentono nuove soluzioni a vecchi problemi. 

Gli ambiti di applicazione dell'intelligenza artificiale sono...tutti. 

Il più importante è quello medico.

Già oggi abbiamo moltissimi esempi di eccellenza, dall'azienda indiana che elabora ben 100.000 diagnosi accurate al giorno al team dell’Imperial College di Londra che ha sviluppato una soluzione in grado di diagnosticare l’ipertensione polmonare con una precisione dell’80% (i cardiologi possono raggiungere circa il 60%), dalle lenti a contatto intelligenti per misurare in tempo reale il livello di zucchero nel sangue dei diabetici a "Watson" di Ibm che sembra essere in grado di anticipare di due anni le diagnosi di insufficienza cardiaca rispetto ai metodi tradizionali mixando diagnosi di altre malattie, farmaci prescritti, cartelle cliniche di eventuali ricoveri e le informazioni ottenute dalle cartelle compilate dai medici.

Intel ha recentemente lanciato un concorso insieme al gigante cinese AliBaba e altri partner per sviluppare un algoritmo capace di leggere le radiografie e gli altri dati medici di un paziente, al fine di anticipare la diagnosi del tumore al polmone e seguirne la crescita.

Alla Stanford University hanno invece dimostrato che un algoritmo di deep learning – il settore della ricerca sull’apprendimento automatico e sull’intelligenza artificiale basato su reti neurali – è in grado di diagnosticare i diversi tipi di cancro della pelle con un’accuratezza pari a quella dei migliori dermatologi. Il tutto sulla base di una foto, scattata da uno smartphone.

Non a caso il sistema sanitario nazionale britannico ha dato a Google “Deep Mind” l’accesso ai dati di 1,6 milioni di pazienti. 

Uscendo dalla medicina, da quanto tempo non si scoprono nuovi materiali, che abbiano ad esempio caratteristiche meno inquinanti della plastica?

Questo accade perché nella maggior parte dei casi sono necessari dai 15 ai 20 anni per scoprire un nuovo materiale, ma si ritiene che l'intelligenza artificiale possa accelerare il processo portandolo intorno ai 5 anni.

Non solo nuovi materiali, ma nuove procedure per produrre quelli già conosciuti: la Northwestern University ha già utilizzato l'apprendimento automatico per accelerare il processo di produzione del vetro e sono riusciti a capire come produrlo molto più velocemente che mai. 

Passando al lato economico, i ricavi mondiali del settore intelligenza artificiale sono previsti in crescita del 57% anno su anno (grafico n° 4), una tendenza verticale in linea con i grandi cambiamenti strutturali che hanno accompagnato l'evoluzione della nostra specie.

Circa il 60% degli oggetti prodotti oggi ha al suo interno il cosiddetto "internet of things" (internet delle cose), che altro non è che un tipo di intelligenza artificiale. 

Siamo già nel futuro. 

Alcune riflessioni.

Fino alla Prima Rivoluzione Industriale, avvenuta nella seconda metà del 1700, i nostri punti di svolta evolutivi erano stati, come si dice a Roma, "a pizzichi e bocconi". Da quel momento in poi, in coincidenza con la grande esplosione demografica - siamo passati da 500 milioni di persone nel mondo a 6 miliardi in un paio di secoli (grafico n° 6) - si sono moltiplicate le invenzioni e ridotto drasticamente il tempo intercorrente fra una scoperta e l'altra. 

Correlazione diretta facile da spiegare: siamo più numerosi, più intelligenti (in termini di conoscenza, capacità di calcolo, ragionamento, discernimento) e con più mezzi di prima. 

L’economista russo Nikolai Kondratieff aveva scoperto durante l’era di Stalin che il progresso tecnologico si sviluppa in un lungo arco di  tempo, causando cambiamenti economici e sociali (grafico n° 5).

Nei cicli eponimi Kondratieff aveva descritto ciò che in seguito Joseph Schumpeter ha definito la “distruzione creativa”. 

Oggi, forse, la novità è che le macchine non solo aumentano la produttività del lavoro umano, ma grazie all’intelligenza artificiale possono progredire continuamente, operando anche in aree precedentemente riservate agli umani. 

Cosa accadrà nei prossimi 20 anni, quando la popolazione mondiale raggiungerà i 9 miliardi? (Fonte: Onu)

Ci sarà probabilmente un'onda di iper innovazione che aumenterà una tendenza già osservata: nel 1960 la vita media di una tipica società quotata sull’indice S&P 500 – l’indice più importante del mercato azionario USA – era di 60 anni. Nel 1990 era scesa a 20 anni. Oggi si attesta attorno ai 12 anni. 

Maggiore concorrenza, maggiore efficienza tecnologica, minore lavoro umano.

Il progresso ha certamente portato a un maggior benessere globale (salute, reddito procapite, trasporti, sicurezza, comunicazioni, etc.). Fino a ora.

La sfida nei prossimi anni sarà far coesistere la piega automatizzata che ha preso la nostra evoluzione con la necessità di sostenere milioni di lavoratori che immancabilmente saranno esclusi dagli ambiti produttivi. E non sarà affatto semplice. 

Per quanto riguarda il mio ruolo, non posso che condividere con i miei clienti l'inserimento di questi megatrend nelle loro strategie di lungo periodo, poiché l'investimento altro non è che guardare il mondo di oggi, per come sarà domani.

Grazie a Allianz Global Investors per il materiale.