1
00:00:09,627 --> 00:00:13,424
Un tempo, se volevate far svolgere
a un computer un compito nuovo,

2
00:00:13,424 --> 00:00:15,256
dovevate programmarlo.

3
00:00:15,256 --> 00:00:18,542
La programmazione, per chi
di voi ne fosse a digiuno,

4
00:00:18,566 --> 00:00:21,645
prevede la descrizione,
nei minimi dettagli,

5
00:00:21,645 --> 00:00:25,234
di ogni istruzione che volete
far eseguire al computer,

6
00:00:25,234 --> 00:00:27,481
così da raggiungere
l'obiettivo desiderato.

7
00:00:27,481 --> 00:00:31,126
Ma se nemmeno voi sapeste
descrivere il compito da svolgere,

8
00:00:31,126 --> 00:00:33,132
la sfida si farebbe molto più complicata.

9
00:00:33,132 --> 00:00:36,682
Una sfida raccolta
da quest'uomo, Arthur Samuel.

10
00:00:36,682 --> 00:00:42,775
Nel 1956, voleva farsi battere
a dama da questo computer.

11
00:00:42,775 --> 00:00:44,532
Ma come fai a scrivere un programma,

12
00:00:44,532 --> 00:00:48,820
preciso in ogni dettaglio, che renda
i computer migliori di te a dama?

13
00:00:48,820 --> 00:00:50,527
Così gli venne un idea:

14
00:00:50,527 --> 00:00:54,370
fece migliaia di partite col computer,

15
00:00:54,370 --> 00:00:56,826
perché imparasse a giocare a dama.

16
00:00:56,826 --> 00:00:59,774
La strategia funzionò
e nel 1962

17
00:00:59,774 --> 00:01:02,707
il computer vinse contro
il campione del Connecticut.

18
00:01:03,416 --> 00:01:06,859
Arthur Samuel fu così il padre
dell'apprendimento automatico [AA],

19
00:01:06,859 --> 00:01:08,441
e io gli sono molto riconoscente,

20
00:01:08,441 --> 00:01:11,279
da professionista del settore quale sono.

21
00:01:11,279 --> 00:01:13,014
Sono stato il presidente di Kaggle,

22
00:01:13,014 --> 00:01:16,162
una comunità di oltre 200.000
addetti ai lavori.

23
00:01:16,162 --> 00:01:18,447
Kaggle indìce sfide

24
00:01:18,447 --> 00:01:21,891
che affrontano
problemi finora insoluti,

25
00:01:21,891 --> 00:01:24,732
e ha al suo attivo centinaia di successi.

26
00:01:25,727 --> 00:01:28,118
Da quel punto di vista privilegiato,
ho capito

27
00:01:28,118 --> 00:01:32,169
molte cose sul passato, sul presente

28
00:01:32,169 --> 00:01:34,367
e sul possibile futuro dell'AA.

29
00:01:34,367 --> 00:01:36,605
Forse il primo grande successo commerciale

30
00:01:36,605 --> 00:01:39,209
dell'AA è stato Google.

31
00:01:39,209 --> 00:01:41,835
Google ha mostrato
che si può trovare un'informazione

32
00:01:41,835 --> 00:01:44,131
con un algoritmo informatico,

33
00:01:44,131 --> 00:01:46,945
che si basa sull'AA.

34
00:01:46,945 --> 00:01:50,661
Da allora, i successi commerciali
dell'AA sono stati molti.

35
00:01:50,661 --> 00:01:52,676
Aziende come Amazon e Netflix

36
00:01:52,676 --> 00:01:55,901
usano l'AA per suggerire prodotti
che potremmo voler comprare,

37
00:01:55,901 --> 00:01:58,147
e film che potremmo voler vedere.

38
00:01:58,147 --> 00:02:00,091
Mette quasi i brividi, a volte:

39
00:02:00,091 --> 00:02:01,915
aziende come LinkedIn e Facebook

40
00:02:01,915 --> 00:02:04,490
a volte ti dicono quali potrebbero
essere i tuoi amici

41
00:02:04,490 --> 00:02:06,361
e non capiamo come possano aver fatto:

42
00:02:06,361 --> 00:02:09,410
ci sono riusciti usando
la potenza dell'AA.

43
00:02:09,410 --> 00:02:12,619
Sono algoritmi che hanno imparato
il loro compito dai dati,

44
00:02:12,619 --> 00:02:15,386
più che da una classica
programmazione a mano.

45
00:02:15,860 --> 00:02:18,444
È così che Watson, della IBM, 
è riuscito

46
00:02:18,444 --> 00:02:21,286
a battere due campioni mondiali
di "Jeopardy!",

47
00:02:21,311 --> 00:02:25,193
rispondendo a domande complesse
e sofisticate come questa.

48
00:02:25,193 --> 00:02:28,593
[L'antico "Leone di Nimrud" è sparito
dal suo museo nazionale nel 2003]

49
00:02:28,603 --> 00:02:31,544
È questo che ha permesso
le prime auto automatiche.

50
00:02:31,544 --> 00:02:34,116
Imparare a riconoscere
la differenza

51
00:02:34,116 --> 00:02:37,148
tra un albero e un pedone è importante.

52
00:02:37,148 --> 00:02:39,955
Noi non sappiamo scrivere
questi programmi "a mano";

53
00:02:39,955 --> 00:02:42,612
ma ora, con l'AA, è possibile.

54
00:02:42,622 --> 00:02:46,180
Questa macchina ha guidato
oltre un milione di miglia,

55
00:02:46,180 --> 00:02:48,823
sulla rete stradale,
senza alcun incidente.

56
00:02:48,823 --> 00:02:52,390
Quindi ora sappiamo
che i computer possono apprendere,

57
00:02:52,390 --> 00:02:54,550
e imparano a fare cose

58
00:02:54,550 --> 00:02:57,305
che a volte nemmeno noi
sappiamo svolgere,

59
00:02:57,305 --> 00:03:00,062
oppure le sanno svolgere meglio di noi.

60
00:03:00,062 --> 00:03:04,332
Uno degli esempi più sorprendenti di AA

61
00:03:04,332 --> 00:03:06,863
l'ho visto in un progetto
che ho gestito a Kaggle

62
00:03:06,863 --> 00:03:10,211
dove un team, guidato da un certo
Geoffrey Hinton,

63
00:03:10,211 --> 00:03:11,996
dell'Università di Toronto,

64
00:03:11,996 --> 00:03:14,598
vinse una sfida per la scoperta
automatica di farmaci.

65
00:03:14,598 --> 00:03:17,453
L'aspetto straordinario
non è solo che hanno battuto

66
00:03:17,453 --> 00:03:21,549
gli algoritmi della Merck, o della
comunità accademica internazionale,

67
00:03:21,549 --> 00:03:26,646
ma che nessuno nel team aveva studiato
chimica, biologia o scienze naturali,

68
00:03:26,646 --> 00:03:28,800
e ce l'han fatta in due settimane.

69
00:03:28,800 --> 00:03:31,003
Come ci sono riusciti?

70
00:03:31,003 --> 00:03:34,008
Hanno usato un algoritmo straordinario,
chiamato deep learning.

71
00:03:34,008 --> 00:03:37,072
Fu un risultato così importante
che il successo fu raccontato

72
00:03:37,072 --> 00:03:40,109
qualche settimana dopo
sul New York Times, in prima pagina.

73
00:03:40,109 --> 00:03:42,727
Geoffrey Hinton si vede a sinistra.

74
00:03:42,727 --> 00:03:46,738
Il "deep learning" è un algoritmo ispirato
dal funzionamento del cervello umano,

75
00:03:46,738 --> 00:03:48,709
e di conseguenza è un algoritmo

76
00:03:48,709 --> 00:03:52,108
che in teoria non ha limiti
a quello che può fare.

77
00:03:52,108 --> 00:03:55,019
Più dati, più potenza di calcolo,
gli metti a disposizione,

78
00:03:55,019 --> 00:03:56,776
migliore diventa.

79
00:03:56,776 --> 00:03:59,421
Il New York Times ha mostrato anche,
nel suo articolo,

80
00:03:59,421 --> 00:04:01,674
un altro risultato del deep learning,

81
00:04:01,674 --> 00:04:03,928
che sto per mostrarvi.

82
00:04:03,928 --> 00:04:07,872
Mostra che i computer
possono ascoltare e capire.

83
00:04:08,654 --> 00:04:11,018
(Video) Richard Rashid:
Adesso, l'ultimo tassello

84
00:04:11,018 --> 00:04:13,993
che vorrei aggiungere al discorso

85
00:04:13,993 --> 00:04:17,334
è parlarvi in cinese.

86
00:04:19,394 --> 00:04:21,910
L'aspetto chiave, qui,
è che

87
00:04:21,910 --> 00:04:26,531
siamo stati in grado di raccogliere molte
informazioni da molti parlanti cinesi,

88
00:04:26,531 --> 00:04:29,641
e produrre un sistema di sintesi vocale

89
00:04:29,641 --> 00:04:33,772
che importa il testo cinese
e lo converte in cinese parlato,

90
00:04:35,428 --> 00:04:38,952
poi abbiamo campionato la mia voce
per un'ora circa

91
00:04:38,952 --> 00:04:41,218
e l'abbiamo usata per modulare

92
00:04:41,218 --> 00:04:44,944
la sintesi vocale standard,
perché suonasse come me.

93
00:04:45,188 --> 00:04:47,726
Ripeto, il sistema non è perfetto.

94
00:04:47,726 --> 00:04:50,554
Ci sono in realtà molti errori.

95
00:04:50,554 --> 00:04:52,880
(In cinese)

96
00:04:52,880 --> 00:04:56,573
(Applausi)

97
00:04:58,179 --> 00:05:00,990
C'è molto lavoro da fare, in quest'area.

98
00:05:01,449 --> 00:05:04,893
(In cinese)

99
00:05:04,893 --> 00:05:08,420
(Applausi)

100
00:05:10,462 --> 00:05:14,244
Jeremy Howard: Questo è avvenuto
a una conferenza sull'AA in Cina.

101
00:05:14,244 --> 00:05:16,614
È raro che in una conferenza accademica

102
00:05:16,614 --> 00:05:18,511
i presenti irrompano in un applauso,

103
00:05:18,511 --> 00:05:22,187
anche se a volte,
nelle conferenze TEDx... sentitevi liberi.

104
00:05:22,187 --> 00:05:24,982
È stato fatto tutto con il deep learning.

105
00:05:24,982 --> 00:05:26,507
(Applausi) Grazie.

106
00:05:26,507 --> 00:05:28,789
La trascrizione in inglese? Deep learning;

107
00:05:28,789 --> 00:05:32,201
la traduzione in cinese e il testo
in alto a destra, deep learning,

108
00:05:32,201 --> 00:05:35,508
e così anche la sintesi vocale.

109
00:05:35,508 --> 00:05:38,742
Il deep learning è straordinario.

110
00:05:38,742 --> 00:05:41,841
Un singolo algoritmo che sembra
in grado di fare quasi ogni cosa,

111
00:05:41,841 --> 00:05:44,952
e ho scoperto che, un anno prima,
aveva anche imparato a vedere.

112
00:05:44,952 --> 00:05:47,128
In questa competizione,
tenutasi in Germania,

113
00:05:47,128 --> 00:05:49,725
sul Riconoscimento 
dei Segnali Stradali Tedeschi,

114
00:05:49,725 --> 00:05:53,118
il deep learning riconosceva
segnali stradali come questo.

115
00:05:53,118 --> 00:05:55,214
E non solo riusciva a riconoscerli

116
00:05:55,238 --> 00:05:56,970
meglio di ogni altro algoritmo,

117
00:05:56,970 --> 00:05:59,689
il miglior algoritmo si è dimostrato

118
00:05:59,689 --> 00:06:01,541
circa due volte migliore degli umani.

119
00:06:01,541 --> 00:06:03,537
Nel 2011 abbiamo avuto il primo esempio

120
00:06:03,537 --> 00:06:06,942
di computer che possono vedere
meglio delle persone.

121
00:06:06,942 --> 00:06:08,991
Sono successe molte cose, da allora.

122
00:06:08,991 --> 00:06:12,505
Nel 2012, Google ha annunciato
che un algoritmo di deep learning

123
00:06:12,505 --> 00:06:13,920
ha visto i video di YouTube

124
00:06:13,920 --> 00:06:17,357
e ne ha macinato i dati
su 16.000 computer, per un mese,

125
00:06:17,357 --> 00:06:21,718
e il computer ha elaborato, autonomamente,
concetti come "persone" e "gatti",

126
00:06:21,718 --> 00:06:23,527
solo guardando i video.

127
00:06:23,527 --> 00:06:25,879
È un apprendimento molto simile
a quello umano.

128
00:06:25,879 --> 00:06:28,619
Non apprendiamo facendoci raccontare
quel che vediamo,

129
00:06:28,619 --> 00:06:31,950
ma imparando autonomamente
cosa siano quelle cose.

130
00:06:31,950 --> 00:06:35,319
Sempre nel 2012 Geoffrey Hinton,
che abbiamo visto prima,

131
00:06:35,319 --> 00:06:38,177
ha vinto una sfida
molto popolare, ImageNet,

132
00:06:38,177 --> 00:06:42,318
che cerca di capire, guardando
1,5 milioni di immagini,

133
00:06:42,318 --> 00:06:43,756
il loro soggetto.

134
00:06:43,756 --> 00:06:47,289
Al 2014, siamo scesi
ad un tasso di errore del 6%,

135
00:06:47,289 --> 00:06:48,742
nel riconoscimento automatico.

136
00:06:48,742 --> 00:06:50,768
Meglio delle persone, ancora una volta.

137
00:06:50,768 --> 00:06:54,537
Le macchine, quindi, svolgono
questi compiti estremamente bene,

138
00:06:54,537 --> 00:06:56,806
e ora stanno entrando nell'industria.

139
00:06:56,806 --> 00:06:59,848
Google, per esempio,
ha annunciato l'anno scorso

140
00:06:59,848 --> 00:07:04,433
di aver mappato ogni singolo luogo
della Francia in due ore.

141
00:07:04,433 --> 00:07:07,880
Ci sono riusciti dando le immagini
di Street View a un algoritmo

142
00:07:07,880 --> 00:07:12,199
di deep learning, perché imparasse
a riconoscere e leggere i numeri civici.

143
00:07:12,199 --> 00:07:14,419
Immaginate quanto ci sarebbe voluto prima:

144
00:07:14,419 --> 00:07:17,774
dozzine di persone, molti anni.

145
00:07:17,774 --> 00:07:19,685
Sta succedendo anche in Cina.

146
00:07:19,685 --> 00:07:23,721
Baidu, suppongo, è una specie
di Google cinese,

147
00:07:23,721 --> 00:07:26,004
e in alto a sinistra vedete

148
00:07:26,004 --> 00:07:29,978
un esempio dell'immagine che ho caricato
nel sistema di deep learning di Baidu.

149
00:07:29,978 --> 00:07:33,747
Sotto potete notare che il sistema
ha capito cos'è quell'immagine,

150
00:07:33,747 --> 00:07:35,983
e ne ha trovate di simili.

151
00:07:35,983 --> 00:07:38,719
Le immagini simili, inoltre,
hanno sfondi simili,

152
00:07:38,719 --> 00:07:42,165
direzioni simili del volto,
alcune anche con la lingua fuori.

153
00:07:42,165 --> 00:07:44,925
Chiaramente, questo non deriva
dal testo di una pagina web:

154
00:07:44,925 --> 00:07:46,607
io ho solo caricato un'immagine.

155
00:07:46,607 --> 00:07:50,628
Quindi ora abbiamo computer che
capiscono realmente quel che vedono

156
00:07:50,628 --> 00:07:52,252
e possono cercare nei database

157
00:07:52,252 --> 00:07:55,806
di centinaia di milioni
di immagini in tempo reale.

158
00:07:55,806 --> 00:07:59,036
Ma cosa significa che i computer "vedono"?

159
00:07:59,036 --> 00:08:01,053
In realtà non si limitano a vedere:

160
00:08:01,053 --> 00:08:03,244
il deep learning fa di più.

161
00:08:03,268 --> 00:08:06,070
Frasi complesse e sfumate come questa

162
00:08:06,070 --> 00:08:08,684
sono ora comprensibili
con algoritmi di deep learning.

163
00:08:08,684 --> 00:08:10,677
Come vedete questo sistema,

164
00:08:10,677 --> 00:08:12,965
elaborato a Stanford,
con un punto rosso in alto

165
00:08:12,965 --> 00:08:16,884
ha capito che questa frase 
sta esprimendo sentimenti negativi.

166
00:08:16,884 --> 00:08:20,290
Infatti il deep learning
ha raggiunto livelli quasi umani

167
00:08:20,302 --> 00:08:25,423
di comprensione del significato
delle frasi, e di cosa esprimono.

168
00:08:25,423 --> 00:08:28,151
Col deep learning si può
anche leggere il cinese,

169
00:08:28,151 --> 00:08:31,307
sempre a livelli comparabili
a un cinese madrelingua.

170
00:08:31,307 --> 00:08:33,475
L'algoritmo è stato
sviluppato in Svizzera,

171
00:08:33,475 --> 00:08:36,831
da un team in cui nessuno
parlava una parola di cinese.

172
00:08:36,831 --> 00:08:38,881
Come ho detto, il deep learning

173
00:08:38,881 --> 00:08:41,101
è la migliore soluzione a questo problema,

174
00:08:41,101 --> 00:08:45,562
anche rispetto
alla comprensione nativa umana.

175
00:08:46,218 --> 00:08:49,182
Questo è un sistema
che abbiamo elaborato nella mia azienda

176
00:08:49,182 --> 00:08:51,360
che sfrutta tutte queste
funzionalità insieme.

177
00:08:51,360 --> 00:08:53,689
Sono immagini
che non hanno testo allegato,

178
00:08:53,689 --> 00:08:56,041
e man mano che digito queste frasi,

179
00:08:56,041 --> 00:08:59,010
il sistema comprende in tempo reale
queste immagini,

180
00:08:59,010 --> 00:09:00,689
capisce di cosa si tratta

181
00:09:00,689 --> 00:09:03,852
e trova immagini simili al testo
che sto scrivendo.

182
00:09:03,852 --> 00:09:06,608
Come potete vedere,
sta capendo le mie frasi

183
00:09:06,608 --> 00:09:08,832
e il contenuto delle immagini.

184
00:09:08,832 --> 00:09:11,391
Avete già visto qualcosa
del genere con Google:

185
00:09:11,391 --> 00:09:14,166
digitate cose e lui restituisce immagini;

186
00:09:14,166 --> 00:09:17,590
ma lì in realtà ricerca il testo
nella pagina web corrispondente.

187
00:09:17,590 --> 00:09:20,591
È una cosa molto diversa
dal comprendere davvero le immagini.

188
00:09:20,591 --> 00:09:23,343
È una cosa che i computer
sono stati in grado di fare,

189
00:09:23,343 --> 00:09:26,591
per la prima volta, solo qualche mese fa.

190
00:09:26,591 --> 00:09:30,682
Quindi ora ci sono computer che possono
non solo vedere ma anche leggere,

191
00:09:30,682 --> 00:09:34,447
e ovviamente abbiamo dimostrato
che possono capire ciò che sentono.

192
00:09:34,447 --> 00:09:37,889
Forse ora non vi sorprenderà
sapere che possono scrivere.

193
00:09:37,889 --> 00:09:42,672
Ecco qualche testo che ho generato ieri
usando un algoritmo di deep learning.

194
00:09:42,672 --> 00:09:46,596
Ed ecco qualche testo generato
da un algoritmo elaborato a Stanford.

195
00:09:46,596 --> 00:09:48,360
Le frasi sono state tutte scritte

196
00:09:48,360 --> 00:09:52,609
da un algoritmo di deep learning,
per descrivere le immagini.

197
00:09:52,609 --> 00:09:57,081
L'algoritmo non aveva mai visto prima un
uomo in T-shirt nera suonare la chitarra.

198
00:09:57,081 --> 00:09:59,301
Aveva già visto un uomo, il colore nero,

199
00:09:59,301 --> 00:10:00,900
una chitarra,

200
00:10:00,900 --> 00:10:05,194
ma ha generato da solo la didascalia
originale di questa immagine.

201
00:10:05,194 --> 00:10:08,696
In questo non ha ancora raggiunto
performance umane, ma ci siamo vicini.

202
00:10:08,696 --> 00:10:12,764
Nei test, gli umani preferiscono
le didascalie automatiche

203
00:10:12,764 --> 00:10:14,291
una volta su quattro.

204
00:10:14,291 --> 00:10:16,355
Questo sistema gira da due sole settimane,

205
00:10:16,355 --> 00:10:18,201
quindi entro il prossimo anno [2015]

206
00:10:18,201 --> 00:10:21,002
l'algoritmo ci avrà surclassato,

207
00:10:21,002 --> 00:10:22,864
al ritmo cui procedono le cose.

208
00:10:22,864 --> 00:10:25,913
Quindi, i computer possono anche scrivere.

209
00:10:25,913 --> 00:10:28,968
Mettiamo insieme tutto questo,
e si aprono scenari esaltanti.

210
00:10:28,968 --> 00:10:30,880
In medicina, per esempio,

211
00:10:30,880 --> 00:10:33,405
un team di Boston
ha annunciato di aver scoperto

212
00:10:33,405 --> 00:10:36,354
dozzine di caratteristiche
clinicamente rilevamenti

213
00:10:36,354 --> 00:10:40,596
di tumori, che aiutano i dottori
a elaborare la prognosi di un tumore.

214
00:10:41,720 --> 00:10:44,016
A Stanford, analogamente,

215
00:10:44,016 --> 00:10:47,679
un gruppo annunciò che,
osservando i tessuti al microscopio,

216
00:10:47,679 --> 00:10:50,060
avevano sviluppato un sistema di AA

217
00:10:50,060 --> 00:10:52,642
che batte i patologi umani

218
00:10:52,642 --> 00:10:56,225
nel prevedere i tassi di sopravvivenza
tra i pazienti oncologici.

219
00:10:57,019 --> 00:11:00,064
In entrambi i casi, non solo
le previsioni erano più accurate,

220
00:11:00,064 --> 00:11:02,766
ma hanno generato
nuove scoperte scientifiche.

221
00:11:02,776 --> 00:11:04,281
Nel caso della radiologia,

222
00:11:04,281 --> 00:11:07,376
hanno trovato nuovi indicatori clinici
che noi possiamo capire.

223
00:11:07,376 --> 00:11:09,168
In questo caso patologico,

224
00:11:09,168 --> 00:11:13,668
la macchina capì
che le cellule attorno al cancro

225
00:11:13,668 --> 00:11:17,008
sono importanti quanto
le cellule cancerose stesse,

226
00:11:17,008 --> 00:11:18,760
quando si fa una diagnosi.

227
00:11:18,760 --> 00:11:24,121
Il che è l'opposto di quello che è
stato insegnato ai patologi per decenni.

228
00:11:24,121 --> 00:11:27,413
In entrambi i casi,
questi sistemi furono sviluppati

229
00:11:27,413 --> 00:11:31,034
da una combinazione
di esperti medici e di AA,

230
00:11:31,034 --> 00:11:33,775
ma dall'anno scorso
abbiamo superato anche questo.

231
00:11:33,775 --> 00:11:37,324
Questo è un esempio
di identificazione delle aree cancerose

232
00:11:37,324 --> 00:11:39,854
del tessuto umano sotto un microscopio.

233
00:11:39,854 --> 00:11:44,467
Questo sistema può identificarle
con un'accuratezza maggiore,

234
00:11:44,467 --> 00:11:47,242
o almeno analoga, dei patologi umani,

235
00:11:47,242 --> 00:11:50,634
ma è fatto tutto col deep learning,
senza l'uso di conoscenze mediche,

236
00:11:50,634 --> 00:11:53,160
da persone senza formazione medica.

237
00:11:54,230 --> 00:11:56,785
Qui vedete una segmentazione dei neuroni.

238
00:11:56,785 --> 00:12:00,453
Ora possiamo segmentare i neuroni
con accuratezza quasi umana,

239
00:12:00,453 --> 00:12:03,170
ma anche questo è stato sviluppato
con il deep learning

240
00:12:03,170 --> 00:12:06,421
da persone senza formazione medica.

241
00:12:06,421 --> 00:12:09,648
A quel punto io, che non mi ero
mai occupato di medicina,

242
00:12:09,648 --> 00:12:13,375
mi sentivo più che qualificato
ad avviare una nuova azienda medica,

243
00:12:13,375 --> 00:12:15,521
cosa che feci.

244
00:12:15,521 --> 00:12:17,261
Ero terrorizzato da una cosa simile,

245
00:12:17,261 --> 00:12:20,150
ma la teoria sembrava ritenere possibile

246
00:12:20,150 --> 00:12:25,642
fare ricerca medica di valore usando solo
queste tecniche di analisi dei dati.

247
00:12:25,642 --> 00:12:28,122
E il feedback, per fortuna,
è stato fantastico,

248
00:12:28,122 --> 00:12:30,694
da parte non solo dei media
ma dalla comunità medica,

249
00:12:30,718 --> 00:12:32,822
che mi ha dato molto sostegno.

250
00:12:32,822 --> 00:12:36,971
L'idea è che possiamo prendere la fase
intermedia del processo medico

251
00:12:36,971 --> 00:12:39,864
e trasformarla il più possibile
in analisi dei dati,

252
00:12:39,864 --> 00:12:42,399
lasciando ai dottori
quello che sanno fare meglio.

253
00:12:42,399 --> 00:12:44,471
Voglio farvi un esempio.

254
00:12:44,471 --> 00:12:49,475
Ora servono circa 15 minuti per generare
un nuovo test diagnostico,

255
00:12:49,475 --> 00:12:51,429
e ve lo mostrerò in diretta,

256
00:12:51,429 --> 00:12:53,061
ma lo comprimerò in tre minuti

257
00:12:53,061 --> 00:12:54,763
tagliando un po' di parti.

258
00:12:54,763 --> 00:12:57,999
E piuttosto che mostrarvi
una diagnosi medica,

259
00:12:57,999 --> 00:13:01,346
vi mostrerò una diagnosi
di immagini automobilistiche,

260
00:13:01,346 --> 00:13:03,568
una cosa che possiamo capire tutti.

261
00:13:03,568 --> 00:13:06,769
Inizio inserendo circa 1,5 milioni
di immagini d'auto,

262
00:13:06,769 --> 00:13:09,975
e voglio creare qualcosa
che possa suddividerle

263
00:13:09,975 --> 00:13:12,198
per angolo di ripresa.

264
00:13:12,198 --> 00:13:16,086
Queste immagini non hanno alcuna
descrizione, quindi devo partire da zero.

265
00:13:16,086 --> 00:13:17,951
Il nostro algoritmo di deep learning

266
00:13:17,951 --> 00:13:21,658
può automaticamente identificare aree
di struttura in queste immagini.

267
00:13:21,658 --> 00:13:25,278
Il bello è che umani e macchine
ora possono lavorare insieme.

268
00:13:25,278 --> 00:13:27,456
L'umano, come potete vedere qui,

269
00:13:27,456 --> 00:13:30,131
sta descrivendo al computer
le aree di interesse

270
00:13:30,131 --> 00:13:34,781
che poi vuole allenare a riconoscere.

271
00:13:34,781 --> 00:13:39,077
Questi sistemi di deep learning lavorano
in uno spazio di 16.000 dimensioni,

272
00:13:39,077 --> 00:13:42,509
quindi potete vedere il computer
ruotare nello spazio,

273
00:13:42,509 --> 00:13:44,501
cercando nuove aree di struttura.

274
00:13:44,501 --> 00:13:46,282
E quando riesce nel suo compito,

275
00:13:46,282 --> 00:13:50,286
l'umano che lo sta guidando
può evidenziare le aree interessanti.

276
00:13:50,286 --> 00:13:52,708
Il computer ha trovato
con successo varie aree,

277
00:13:52,708 --> 00:13:55,270
per esempio gli angoli.

278
00:13:55,270 --> 00:13:56,876
Nel corso del processo,

279
00:13:56,876 --> 00:13:59,216
facciamo capire sempre meglio al computer

280
00:13:59,216 --> 00:14:01,644
che tipo di strutture stiamo cercando.

281
00:14:01,644 --> 00:14:03,416
Durante una diagnosi, per esempio,

282
00:14:03,416 --> 00:14:06,766
questo sistema identificherebbe
aree patologiche;

283
00:14:06,766 --> 00:14:11,792
oppure sarebbe un radiologo che
indica noduli potenzialmente problematici.

284
00:14:11,792 --> 00:14:14,351
E a volte può essere
difficile per l'algoritmo.

285
00:14:14,351 --> 00:14:16,315
In questo caso si confonde:

286
00:14:16,315 --> 00:14:18,865
frontali e retri della macchina
sono tutti confusi.

287
00:14:18,865 --> 00:14:20,937
Quindi dobbiamo andare un po' più cauti,

288
00:14:20,937 --> 00:14:24,169
distinguendo manualmente
i frontali dai retri,

289
00:14:24,169 --> 00:14:28,255
poi dicendo al computer
che è un tipo di gruppo

290
00:14:28,255 --> 00:14:31,023
a cui siamo interessati.

291
00:14:31,023 --> 00:14:33,700
Facciamo così per un po',
ne tralasciamo alcune,

292
00:14:33,700 --> 00:14:35,946
poi alleniamo l'algoritmo di AA

293
00:14:35,946 --> 00:14:37,920
con questi 200 esempi

294
00:14:37,920 --> 00:14:39,945
e speriamo che diventi molto migliore.

295
00:14:39,945 --> 00:14:43,018
Potete vedere, ora, che sta
già facendo qualche selezione,

296
00:14:43,018 --> 00:14:47,726
mostrandoci che sta già capendo
come riconoscerne alcune.

297
00:14:47,726 --> 00:14:50,628
Possiamo poi lavorare sul
concetto di "immagini simili",

298
00:14:50,628 --> 00:14:52,722
e con immagini simili, ora potete vederlo,

299
00:14:52,722 --> 00:14:56,741
il computer è in grado
di isolare i frontali.

300
00:14:56,741 --> 00:14:59,689
A questo punto, quindi,
possiamo dire al computer:

301
00:14:59,689 --> 00:15:01,982
okay, sì, hai fatto un buon lavoro.

302
00:15:03,152 --> 00:15:05,337
A volte, naturalmente,
anche in questa fase

303
00:15:05,337 --> 00:15:09,011
è difficile separare i due gruppi.

304
00:15:09,011 --> 00:15:11,422
In questo caso, anche dopo aver lasciato

305
00:15:11,422 --> 00:15:13,833
che il computer lo ruotasse per un po',

306
00:15:13,833 --> 00:15:16,124
ancora si vede che
le immagini delle due fiancate

307
00:15:16,124 --> 00:15:17,722
sono mischiate.

308
00:15:17,722 --> 00:15:19,862
Allora possiamo dargli altri suggerimenti,

309
00:15:19,862 --> 00:15:22,838
e gli diciamo: prova a fare
una previsione che separi,

310
00:15:22,838 --> 00:15:25,445
quanto più possibile,
il lato sinistro dal destro,

311
00:15:25,445 --> 00:15:27,567
usando questo algoritmo di deep learning.

312
00:15:27,567 --> 00:15:30,509
E dandogli quel suggerimento
- ah, ok, ci è riuscito.

313
00:15:30,509 --> 00:15:33,391
È riuscito a elaborare un modo
di astrarre questi oggetti

314
00:15:33,391 --> 00:15:35,771
che li ha separati in gruppi omogenei.

315
00:15:35,771 --> 00:15:38,209
Questo per darvi un'idea.

316
00:15:38,209 --> 00:15:46,148
È un caso in cui i computer
non sostituiscono il lavoro umano,

317
00:15:46,406 --> 00:15:49,046
ma lo affiancano.

318
00:15:49,046 --> 00:15:52,206
Qui stiamo sostituendo una cosa
che richiedeva una squadra

319
00:15:52,206 --> 00:15:54,598
di cinque o sei persone, per sette anni,

320
00:15:54,598 --> 00:15:57,203
con qualcosa che richiede 15 minuti

321
00:15:57,203 --> 00:15:59,708
di una persona sola.

322
00:15:59,708 --> 00:16:03,658
Il processo richiede
quattro o cinque iterazioni.

323
00:16:03,658 --> 00:16:05,517
Potete vedere che ora abbiamo il 62%

324
00:16:05,517 --> 00:16:08,476
del nostro 1,5 milioni di immagini
classificate correttamente.

325
00:16:08,476 --> 00:16:10,688
E a questo punto,
possiamo rapidamente iniziare

326
00:16:10,688 --> 00:16:12,245
a prendere intere regioni,

327
00:16:12,245 --> 00:16:15,164
navigarci per assicurarsi
che non vi siano errori.

328
00:16:15,164 --> 00:16:19,116
Dove vediamo errori, lasciamo
che il computer apprenda da solo.

329
00:16:19,116 --> 00:16:22,161
E ripetendo questo processo
per ciascuno dei vari gruppi,

330
00:16:22,161 --> 00:16:24,648
siamo arrivati all'80 per cento

331
00:16:24,648 --> 00:16:27,063
di 1,5 milioni di immagini
ben classificate.

332
00:16:27,063 --> 00:16:29,141
E a questo punto, si tratta solo

333
00:16:29,141 --> 00:16:32,720
di trovare i pochi casi
non correttamente classificati,

334
00:16:32,720 --> 00:16:35,608
e capire perché sono sbagliati.

335
00:16:35,608 --> 00:16:37,351
Con questo approccio,

336
00:16:37,351 --> 00:16:41,472
in 15 minuti siamo arrivati ad un
tasso di classificazione del 97%.

337
00:16:41,472 --> 00:16:46,072
Questo tipo di tecnica ci aiuterebbe
a risolvere un grande problema,

338
00:16:46,078 --> 00:16:49,114
la scarsità di competenza
medica nel mondo.

339
00:16:49,114 --> 00:16:52,603
Il World Economic Forum dice
che ci sono da dieci a venti volte

340
00:16:52,603 --> 00:16:55,227
meno medici, nei paesi
meno sviluppati, del necessario,

341
00:16:55,227 --> 00:16:57,340
e ci vorrebbero circa 300 anni

342
00:16:57,340 --> 00:17:00,234
per formare abbastanza persone
da risolvere il problema.

343
00:17:00,234 --> 00:17:03,119
Cosa succederebbe se potessimo
potenziare la loro efficienza

344
00:17:03,119 --> 00:17:05,768
con questi approcci di deep learning?

345
00:17:05,768 --> 00:17:08,190
Tutte queste opportunità mi esaltano.

346
00:17:08,190 --> 00:17:10,779
Mi preoccupano anche i problemi, però.

347
00:17:10,779 --> 00:17:13,903
E il problema, qui, è che
ogni area blu di questa mappa

348
00:17:13,903 --> 00:17:17,672
è un posto dove i servizi assorbono
più dell'80% di forza lavoro.

349
00:17:17,672 --> 00:17:19,459
Cosa sono i servizi?

350
00:17:19,459 --> 00:17:20,973
Sono questi.

351
00:17:20,973 --> 00:17:22,990
Proprio quelle cose

352
00:17:22,990 --> 00:17:25,626
che i computer
hanno appena imparato a fare.

353
00:17:25,626 --> 00:17:28,931
L'80 % degli occupati,
nel mondo sviluppato,

354
00:17:28,931 --> 00:17:31,373
fa cose che i computer
hanno appena imparato a fare.

355
00:17:31,373 --> 00:17:32,903
Cosa significa tutto questo?

356
00:17:32,903 --> 00:17:35,486
Sarà fantastico! Faremo altro!

357
00:17:35,486 --> 00:17:37,813
Per esempio, ci sarà più lavoro
per chi raccoglie dati!

358
00:17:37,813 --> 00:17:39,010
Be', non proprio.

359
00:17:39,010 --> 00:17:42,128
Per fare queste cose, non serviranno
scienziati molto a lungo.

360
00:17:42,128 --> 00:17:45,380
Questi quattro algoritmi, ad esempio,
li ha scritti una sola persona.

361
00:17:45,380 --> 00:17:47,818
Se pensate: è già successo,

362
00:17:47,818 --> 00:17:51,626
abbiamo visto i risultati in passato,
quando si presentava una novità

363
00:17:51,626 --> 00:17:53,878
e nuove professioni
facevano capolino,

364
00:17:53,878 --> 00:17:55,994
quali saranno queste nuove professioni?

365
00:17:55,994 --> 00:17:57,865
È molto difficile per noi dirlo,

366
00:17:57,865 --> 00:18:00,604
perché la performance umana
cresce a ritmo graduale;

367
00:18:00,604 --> 00:18:03,166
ma ora abbiamo un sistema,
il deep learning,

368
00:18:03,166 --> 00:18:06,393
che sappiamo migliorare esponenzialmente.

369
00:18:06,393 --> 00:18:07,998
E ora siamo a questo livello,

370
00:18:07,998 --> 00:18:10,059
quindi vediamo le cose attorno a noi

371
00:18:10,059 --> 00:18:12,735
e i computer ci sembrano ancora
molto stupidi, vero?

372
00:18:12,735 --> 00:18:16,164
Ma da qui a cinque anni,
la loro curva uscirà dal grafico.

373
00:18:16,164 --> 00:18:20,029
Dobbiamo, dunque, cominciare
a preoccuparci di queste forze già ora.

374
00:18:20,029 --> 00:18:22,079
Ci siamo già passati, naturalmente:

375
00:18:22,079 --> 00:18:23,466
nella Rivoluzione Industriale

376
00:18:23,466 --> 00:18:26,317
i motori hanno fatto "cambiare marcia"
alla produttività.

377
00:18:27,167 --> 00:18:30,305
Tuttavia, dopo un po'
la curva si appiattì.

378
00:18:30,305 --> 00:18:32,007
Fu socialmente dirompente,

379
00:18:32,007 --> 00:18:35,446
ma una volta che i motori vennero
usati per ogni esigenza di potenza,

380
00:18:35,446 --> 00:18:37,800
le cose si stabilizzarono.

381
00:18:37,800 --> 00:18:39,277
La Rivoluzione dell'AA

382
00:18:39,301 --> 00:18:42,182
sarà molto diversa
dalla Rivoluzione Industriale,

383
00:18:42,182 --> 00:18:45,135
perché inarrestabile.

384
00:18:45,159 --> 00:18:48,114
Migliori diventeranno i computer
nelle attività intellettive,

385
00:18:48,114 --> 00:18:52,362
meglio costruiranno computer ancora 
migliori nelle attività intellettive,

386
00:18:52,362 --> 00:18:54,270
quindi sarà un tipo di sfida

387
00:18:54,270 --> 00:18:56,748
che il mondo non ha mai affrontato prima,

388
00:18:56,748 --> 00:18:59,974
e la vostra comprensione
di cos'è possibile cambierà.

389
00:18:59,974 --> 00:19:02,254
Tutto questo ci condiziona già ora:

390
00:19:02,254 --> 00:19:05,884
negli ultimi 25 anni, man mano che
la produttività del capitale aumentava,

391
00:19:05,900 --> 00:19:10,088
la produttività del lavoro è rimasta
stabile, anzi è pure un po' calata.

392
00:19:10,908 --> 00:19:13,649
Quindi vorrei che cominciassimo
a parlarne fin d'ora.

393
00:19:13,649 --> 00:19:16,426
Spesso le persone,
quando parlo di questa situazione,

394
00:19:16,426 --> 00:19:18,166
la rifutano nettamente:

395
00:19:18,166 --> 00:19:19,839
i computer in realtà non pensano,

396
00:19:19,839 --> 00:19:22,867
non hanno emozioni,
non capiscono le poesie,

397
00:19:22,867 --> 00:19:25,388
non capiamo davvero come funzionino.

398
00:19:25,388 --> 00:19:26,874
E allora?

399
00:19:26,874 --> 00:19:28,968
Oggi i computer
svolgono quei compiti

400
00:19:28,968 --> 00:19:31,397
per cui vendiamo gran
parte del nostro tempo,

401
00:19:31,397 --> 00:19:35,203
quindi è giunto il momento
di chiedersi come adattare

402
00:19:35,203 --> 00:19:37,299
le nostre strutture economiche e sociali

403
00:19:37,323 --> 00:19:39,355
a questa nuova realtà.

404
00:19:39,355 --> 00:19:40,888
Grazie.

405
00:19:40,888 --> 00:19:43,078
(Applausi)