Innovation Sparks
Deep Learning Italia, il collettivo di “coraggiosi” che aiuta le aziende ad usare davvero l’intelligenza artificiale
Intervista a Matteo Testi, CEO e founder di Deep Learning Italia
Da community a network di professionisti e piattaforma di e-Learning, la più grande in lingua italiana, dedicata a Deep Learning, Machine Learning e Intelligenza Artificiale, nonché Big Data Analytics e tecnologie emergenti.
Incontriamo Matteo Testi, CEO e founder di Deep Learning Italia per saperne di più.
La nostra è una community di esperti a vari livelli, ma ci accorgiamo spesso che fuori dal network non tutti sanno davvero cosa sia l’intelligenza artificiale. Credo sia importante che tutti, anche persone senza competenze tecniche, capiscano lo stato dell’arte delle tecnologie, capiscano per cosa (e come) possono essere davvero utilizzate, per risolvere quali problemi e con quali risultati.”
MATTEO TESTI
CEO e founder di Deep Learning Italia
Come nasce Deep Learning Italia?
Rientrato in Italia dopo un’esperienza in Scozia, mi sono reso conto che nel nostro Paese pochissime persone sapevano cosa fosse il Deep Learning. Ho pensato quindi di creare una community, iniziata a dire il vero con un semplice gruppo su Facebook, attraverso la quale fare divulgazione. Inizialmente facevamo degli incontri in un teatro, perché non riuscivamo a trovare qualcuno che potesse darci uno spazio, partendo con dei micro-corsi sull’intelligenza artificiale. All’epoca non pensavamo nemmeno a come sarebbe poi potuto evolvere quel gruppo, siamo partiti semplicemente dall’esigenza di condividere conoscenze ed esperienze.
Deep Learning Italia:
da community a network di
competenze e formazione
per consulenze aziendali e
per professionisti
I corsi si sono poi ampliati e la nostra community si è fatta conoscere in modo più esteso. Hanno iniziato a chiederci formazione ad hoc e consulenza (in termini di competenze) su progettualità molto specifiche. Il salto quantico lo abbiamo fatto quando Experis Academy ci ha chiesto di tenere un corso di 240 ore sul Deep Learning. Essendosi rifiutati tutti coloro ai quali lo avevano chiesto, si sono rivolti a noi come ultima spiaggia. E noi abbiamo detto sì. Così è nata la società Deep Learning Italia che mantiene la sua anima di community iniziale; siamo infatti un network, un collettivo di competenze, e continuiamo a fornire formazione, anche in modalità e-Learning, e consulenza ad aziende e professionisti.
Qual è oggi il “vantaggio” di Deep Learning Italia e quali sono i vostri obiettivi?
Il vantaggio risiede nell’avere una community enorme in tutta Italia che, a seconda delle necessità specifiche, possiamo “sollecitare” per offrire supporto consulenziale alle aziende o per sviluppare corsi formativi ad hoc.
Tra i data scientist e gli esperti di intelligenza artificiale delle aziende, comprese quelle tech e i vendor IT, non è detto che ci sia l’esperto di un dominio o use case applicativo specifico. Nella nostra community, essendo così estesa, è più facile trovare competenze distinte e molto vicine agli specifici domini d’uso che spesso ci vengono sottoposti. Per esempio, non è detto che una società tech, anche se specializzata in intelligenza artificiale, abbia al proprio interno un data scientist esperto in farmacologia o chimica-informatica, o di diagnostica per immagini prenatale. È molto probabile, invece, che tale esperienza possa averla una persona, o più d’una, all’interno del nostro network.
È così che riusciamo a risolvere un particolare problema, anche molto specifico in termini di dominio: facendo network.
Cerchiamo le competenze all’interno del network e offriamo quindi la “Data Science as a service”, creiamo cioè il collettivo di esperti (ricercatori, professori e dottorandi che hanno conoscenza di dominio + data scientist che hanno esperienza pratica) in modo dinamico a seconda delle specifiche esigenze e richieste che ci vengono sottoposte. Spesso siamo gli ultimi a cui le aziende si rivolgono, arriviamo quasi sempre dopo che altri hanno detto “no, non si può fare”.
Un recente studio dell’Italia Insurtech Association sulle priorità dei C-level assicurativi in Italia rivela che l’InsurTech, nel 2020, ha rappresentato una priorità solo per il 21% dei decision makers delle società assicurative in Italia, contro l’82% dei colleghi centro-Europei. Guardando ai conti economici, sempre secondo quanto emerso dalla nostra ricerca, in Italia si prevedono investimenti in tecnologie per la digitalizzazione dell’offerta assicurativa nell’ordine del 4% degli investimenti totali, contro una media superiore al 15% nel resto d’Europa.
Sul fronte formazione, stiamo investendo molto sull’evoluzione della piattaforma di e-Learning: vogliamo riunire le migliori menti italiane per offrire corsi accessibili a tutti, a basso costo, su tutte le materie ed i temi Deep Tech, non solo Deep Learning e Intelligenza Artificiale. Evolverà anche la componente di consulenza di “Data Science as a service”; l’idea è sviluppare una piattaforma più integrativa, che consenta anche a Dipartimenti Universitari e Centri di Ricerca di fare rete, e creare progetti che possano poi evolvere in veri e propri prodotti tecnologici “rivendibili”, da offrire quindi al mercato.
Chi anima oggi il network?
Ricercatori, professori,
dottorandi, professionisti
aziendali, manager,
imprenditori e studenti
dei nostri corsi, master
e workshop.
Un bel mix di teste e competenze. Abbiamo ricercatori, professori, dottorandi, professionisti aziendali e manager, imprenditori, oltre naturalmente agli “studenti” (tra i quali anche manager e professionisti) che accedono ai nostri corsi, workshop e master.
L’obiettivo adesso è riuscire a mettere in relazione la community in modo più esteso, chiedendo in modo diretto a ciascun membro “cosa desidera”, di cosa ha bisogno, cosa vorrebbe ricevere e ottenere dal network. Sulla base delle richieste, penseremo quindi ad erogare nuovi servizi che vadano oltre la formazione ed il collettivo di esperti per singole progettualità.
Un esempio: sulla base delle esigenze intercettate, stiamo definendo la mappa degli Istituti e dei centri di ricerca che in Italia si occupano di Deep Learning. Ad oggi non esiste, ma risulterebbe molto utile sia per gli studenti sia per gli Atenei stessi (non sempre si sa cosa fa l’uno o l’altro nello specifico).
Perché secondo te è importante oggi essere un esperto di Deep Tech?
Non è importante essere un esperto, quello serve se si vuole intraprendere una carriera o lavorare nel campo tecnico delle Deep Tech. È però importante conoscerle e capirle, sapere che possono essere utilizzate per risolvere problemi specifici.
La nostra è una community di esperti a vari livelli, ma ci accorgiamo spesso che fuori dal network non tutti, anzi pochissimi, sanno davvero cosa sia l’intelligenza artificiale, per lo meno da un punto di vista pratico-operativo. Credo invece sia importante che tutti, anche e soprattutto persone senza competenze tecniche, capiscano lo stato dell’arte delle tecnologie, capiscano per cosa (e come) possono essere davvero utilizzate, per risolvere quali problemi e con quali risultati. Non è vero che devono e possono saperlo solo i tecnici, un imprenditore, un manager d’azienda, una persona che ha un problema da risolvere, dovrebbe sapere che ci sono tecnologie per poterlo fare, e dovrebbe sapere quali sono e come funzionano (non da un punto di vista tecnico ma funzionale).
Cosa sono per te curiosità e innovazione? Come descriveresti la relazione tra le due?
La curiosità per me è quella cosa che innesca la volontà di sapere di più. Io nutro un profondo fastidio di fronte a qualcosa che non conosco o non capisco e mi scatta subito il desiderio di sapere. Ecco, quella è la curiosità.
L’innovazione è il frutto della curiosità portata ad alto livello, è la prova tangibile di dove la curiosità ci può portare nell’esplorazione del nuovo, non conosciuto, mai sperimentato.
15 marzo 2022
Articoli consigliati
-
Innovation SparksGovernare l’Intelligenza Artificiale nel settore pubblicoL’adozione dell’intelligenza artificiale (AI) nel settore pubblico si è finora limitata a sperimentazioni, senza tradursi in cambiamenti strutturali duraturi. Per una reale innovazione, è necessario un approccio integrato che coinvolga dati, governance, competenze e processi organizzativi. -
Innovation SparksDall’alert alla conversazione: come Minority Reporters ripensa la verifica antifrodeUn agente vocale basato su AI che chiama proattivamente i clienti, nella loro lingua, per verificare transazioni sospette, indagare su possibili tentativi di frode e attivare immediatamente misure di protezione. -
Innovation SparksDall’osservazione dei macchinari alla modellazione avanzata dei fenomeni: l’analisi dei processi produttivi di KMEMonitoraggio dei processi, modellazione avanzata e tracciabilità della carbon footprint: come KME garantisce una sostenibilità misurabile lungo la supply chain. -
Innovation SparksComputer vision per città più inclusive: il progetto “data for good” del team RationenceIl racconto di come è nata l’idea di costruire uno strumento basato sulla computer vision capace di individuare automaticamente le barriere architettoniche nelle città.