Machine Learning, 3 aziende che lo utilizzano in modo “cool” raccontano le tendenze in atto

Yelp, una customer experience che parte dalle immagini 

 IL CASO

Yelp è un’app (e una piattaforma) utilizzata da milioni di utenti ogni giorno per decidere dove fare i propri acquisti, è un sistema di “raccomandazione” che fa un ampissimo uso delle immagini per le recensioni/raccomandazioni. Per classificare le immagini l’azienda si avvale di algoritmi di machine learning che analizzano il contenuto di ogni singola foto scattata dagli utenti per etichettarla, classificarla e renderla poi disponibile secondo criteri ottimizzati che ne facilitano l’accesso e la fruizione da parte delle persone.

 LA TENDENZA

Quello del riconoscimento delle immagini è un ambito del machine learning in fortissima crescita che già oggi consente, per esempio, di rendere più accurate le diagnosi mediche (attraverso la diagnostica per immagine) o di riconoscere un neo come forma tumorale maligna con più accuratezza di un oncologo specializzato. Nei prossimi mesi/anni vedremo impiegato il machine learning anche in contesti di sorveglianza e sicurezza cittadina, per esempio per il monitoraggio e il riconoscimento di immagini che consentiranno a polizia e vigilanza di intervenire tempestivamente.

Facebook e l’esercito dei chatbot

 IL CASO

Una delle aziende più famose al mondo, Facebook, sta facendo un ampio uso dei chatbot all’interno della piattaforma di instant messaging, Messenger.
Sebbene ci siano ancora ampissimi margini di miglioramento, oggi alcuni chatbot sono praticamente indistinguibili quando conversano via testo con le persone. In questi casi si tratta di tecnologie basate su machine learning per la comprensione del linguaggio naturale (attraverso le quali chatbot e persone possono conversare senza barriere linguistiche e di comprensione). Non solo, Facebook sta sperimentando il Machine Learning anche come base tecnologica per filtrare spam e contenuti di scarsa qualità e addirittura per tradurre in testo/voce le immagini (attraverso sistemi di visione artificiale) per “leggere” le immagini e tradurne il contenuto a persone ipovedenti.

 LA TENDENZA

Il riconoscimento, la comprensione e l’utilizzo del linguaggio naturale è una delle aree del machine learning più complessa, non solo perché il linguaggio naturale utilizzato dall’uomo durante la sua comune vita sociale è decisamente articolato, ma anche perché le aspettative delle persone sono molto elevate.

Mano a mano che questi sistemi diverranno sempre più sofisticati e precisi, gli ambiti di utilizzo si estenderanno sempre di più andando a risolvere problematiche più complesse, per esempio la prima assistenza in un pronto soccorso potrebbe in futuro avvenire tramite robot che comunicano con linguaggio naturale.

Baidu e la riproduzione artificiale delle impronte vocali

 IL CASO

Baidu è un motore di ricerca cinese, una sorta di “google cinese”. Uno degli sviluppi più interessanti (e sconcertanti) del laboratorio di ricerca e sviluppo della società è chiamato Deep Voice, una rete neurale profonda in grado di generare voci umane completamente sintetiche molto difficili da distinguere dal reale linguaggio umano. Con il machine learning la rete è in grado di apprendere le caratteristiche e le sottigliezze uniche nella cadenza, nell’accento, nella pronuncia e nell'intonazione per riprodurre voci identiche a quelle degli “oratori umani” in modo molto accurato.

 LA TENDENZA

I sistemi di riconoscimento del pattern vocale potrebbero avere importanti implicazioni per le app di ricerca vocale (pratica già in uso nei millenials che accedono a motori di ricerca, sistemi di messaggistica e social network prevalentemente attraverso comandi vocali), oltre a decine di altri potenziali usi, come la traduzione in tempo reale delle lingue straniere e la sicurezza biometrica (la voce, infatti, è un’impronta univoca, come quelle digitali delle dita).
La tecnologia alla base della “generazione” di impronte vocali artificiali fa parte della branca dell’Intelligenza Artificiale, e del Machine Learning in particolare, identificata come “Convincing Generative Models”, modelli generativi convincenti grazie ai quali in futuro sarà possibile generare non solo voci, ma intere identità, partendo dagli algoritmi.