<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Andrea Baresi on Medium]]></title>
        <description><![CDATA[Stories by Andrea Baresi on Medium]]></description>
        <link>https://medium.com/@hyle?source=rss-8f7e437bfd76------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*ULiIc1plZaYMrw6WGOV5qA.jpeg</url>
            <title>Stories by Andrea Baresi on Medium</title>
            <link>https://medium.com/@hyle?source=rss-8f7e437bfd76------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Thu, 19 Nov 2026 03:55:48 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@hyle/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Gli 11 ditloidi]]></title>
            <link>https://medium.com/@hyle/gli-11-ditloidi-6059b310e133?source=rss-8f7e437bfd76------2</link>
            <guid isPermaLink="false">https://medium.com/p/6059b310e133</guid>
            <category><![CDATA[giochi]]></category>
            <category><![CDATA[divertimento]]></category>
            <category><![CDATA[italia]]></category>
            <category><![CDATA[italiano]]></category>
            <category><![CDATA[medium-italia]]></category>
            <dc:creator><![CDATA[Andrea Baresi]]></dc:creator>
            <pubDate>Thu, 15 Dec 2016 11:28:09 GMT</pubDate>
            <atom:updated>2016-12-29T08:58:37.849Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nc-sa/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*bPEGKyS7LSpdvYgPKsU-gw.png" /><figcaption>un esempio (piuttosto facile) di <strong>ditloide</strong>, non fatevi distrarre dall’immagine</figcaption></figure><p>TL;DR sono usciti <a href="https://ditloids.appspot.com/"><strong>i nuovi test dei ditloidi</strong></a>. Questa è la loro storia.</p><p>Era un gennaio freddo, ricco di stimoli e scevro di distrazioni. Le piattaforme <em>social,</em> a cui ora siamo abituati, non erano ancora così diffuse. La scena blog italiana era molto attiva e sfornava mirabolanti <strong>memi</strong> (quelli di Dawkins, per intenderci, alquanto diversi dai paffuti Doge, Forever Alone e Me Gusta…) che <em>si diffondevano senza l’aiuto di profonde profilazioni a la Facebook</em>. C’era più tempo e un po’ più di silenzio… Non siamo però qui per produrre simpatiche lacrimucce, quindi eviterò lo stile troppo nostalgico.</p><p>Poco più di un pomeriggio di coding usando AJAX (quando ancora era una novità), un po’ di cura per trasporre un “test di intelligenza” che tutto misurava fuorché propriamente l’IQ (e meno male, aggiungo), un po’ di ironia non celata — tanto la gente ha fretta e fraintende ugualmente — un post su un blog non impopolare, una email a un amico-hub, e il gioco era su. Qualche giorno, e una bella fetta del nostro paese era alle prese con il “Sudoku del duemilasei”. In meno di un mese la popolarità dei <a href="http://ditloidi.taoblog.org/"><strong>33 ditloidi</strong></a> era alle stelle.</p><blockquote>Questo test sta facendo impazzire la blogosfera italiana. [fridaynet]</blockquote><p>Poco dopo arrivò <a href="http://www.repubblica.it/2003/g/rubriche/lessicoenuvole/febbr24/febbr24.html">il pezzo di Stefano Bartezzaghi</a>, nella sua rubrica Lessico e Nuvole, con tanto di “link” alle pagine dei test (cosa non usuale per la Repubblica); era il battesimo dei ditloidi.</p><blockquote>Ogni buona idea è l’evoluzione di un’idea molto semplice: e il ditloide non è una buona idea. E’ un’ottima idea. [la Repubblica]</blockquote><p>Poi arrivarono i primi “saccheggi”, con sedicenti inventori che organizzavano sessioni di gioco nei locali, e programmi televisivi (rigorosamente sulle reti <em>Vivendi </em>:wink:) basati sui ditloidi. Ottimo, invero. Mentre qui si restava…</p><blockquote>Ai confini della neurobica!</blockquote><p>In realtà, questo intrigante <em>word game è stato creato da </em><strong>Morgan Worthy</strong> che si inventò il modello e lo descrisse nel famoso libro <em>AHA!</em>, la cui prima edizione risale al 1975. Worthy chiamò gli antenati dei ditloidi <strong>Formula Analysis Test</strong>.</p><blockquote>M. + M. + N. H. + V. + C. + R. I. = N. E.</blockquote><p><strong>Will Shortz</strong> (supremo enigmista) nel 1981 pubblicò una serie di test su Games Magazine, nei quali i quesiti apparivano per la prima volta in una forma piuttosto simile a quella della MENSA [gioco di parole<a href="https://it.wikipedia.org/wiki/Ditloide">*</a>].</p><blockquote>1B. in the H. = 2 in the B.</blockquote><p>Shortz ammise che la fonte di ispirazione per le sue <strong>equazioni linguistiche</strong> furono le scritte oscene nei bagni dell’Università della Florida.</p><p>Di lì a poco la redazione del <strong>Daily Express</strong> li battezzò ‘ditloid’ (1 DITLOID = 1 Day in the Life of Ivan Denisovich), galeotto fu il libro di Solzhenitsyn…</p><p>Malgrado la popolarità acquisita in più di tre decenni, i <a href="http://ditloids.appspot.com/"><strong>ditloidi</strong></a> in Italia erano ancora semi-sconosciuti. I test di Tao li portarono alla ribalta.</p><p>Come appaiono i ditloidi oggi? La versione di Shortz è stata ulteriormente semplificata, e grazie alle moderne tecnologie l’interazione con i test si è appianata fino a diventare (quasi, perché fanno ancora un po’ soffrire —<em> no pain no gain</em>), a detta dei giocatori, piacevole e divertente.<br>Tutto questo senza perdere l’<strong>effetto aha</strong>, cardine del gioco.</p><p>Se volete provarli, è appena stato pubblicato il primo test di questa nuova onda, chiamato appunto <a href="https://ditloids.appspot.com/11ditloidi_numero_zero.html"><strong>11 ditloidi</strong></a>. Non mancheranno presto nuove sorprese…</p><blockquote>Misteriosi e intriganti: i ditloidi. [Focus]</blockquote><p><em>Fonti</em>: ripreso in parte <a href="http://taoblog.org/2007/02/24/la-vera-storia-dei-ditloidi/">da Il Tao dei blog</a></p><p><em>Riferimenti</em>: <a href="https://www.facebook.com/ditloidi"><strong>la pagina Facebook dei ditloidi</strong></a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=6059b310e133" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[BookShifting]]></title>
            <link>https://medium.com/@hyle/bookshifting-a834f5882c4f?source=rss-8f7e437bfd76------2</link>
            <guid isPermaLink="false">https://medium.com/p/a834f5882c4f</guid>
            <category><![CDATA[medium-italia]]></category>
            <category><![CDATA[blogging]]></category>
            <category><![CDATA[libri]]></category>
            <category><![CDATA[cultura]]></category>
            <category><![CDATA[italiano]]></category>
            <dc:creator><![CDATA[Andrea Baresi]]></dc:creator>
            <pubDate>Sun, 08 May 2016 08:48:39 GMT</pubDate>
            <atom:updated>2017-01-05T10:02:15.442Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nc-sa/4.0/</cc:license>
            <content:encoded><![CDATA[<p>E’ facile lamentarsi della stagnazione intellettuale del nostro paese. Decisamente più arduo è riuscire a trovare nuovi modi per smuovere il <em>calderone della cultura</em>. Oggi vorrei proporre il mio piccolo contributo verso questo obiettivo.<br>(Il pezzo è pubblicato <a href="http://taoblog.org/2003/09/07/bookshifting/"><strong>su Il Tao dei Blog</strong></a>)</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=a834f5882c4f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[StartupY Genova]]></title>
            <link>https://medium.com/startupy-italia/startupy-genova-ae0e3d3e28dc?source=rss-8f7e437bfd76------2</link>
            <guid isPermaLink="false">https://medium.com/p/ae0e3d3e28dc</guid>
            <category><![CDATA[tecnologia]]></category>
            <category><![CDATA[medium-italia]]></category>
            <category><![CDATA[genova]]></category>
            <dc:creator><![CDATA[Andrea Baresi]]></dc:creator>
            <pubDate>Wed, 24 Feb 2016 11:41:36 GMT</pubDate>
            <atom:updated>2016-04-15T04:45:41.947Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nc-sa/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*yuwlHZt-dsv6WowBoruVbQ.jpeg" /><figcaption>Genova, StartupY e il suo logo 8-bit</figcaption></figure><p>Oggi si terrà il <a href="https://startupy.eventbrite.it/">primo evento di StartupY Genova</a>.</p><p>In questi mesi non è stato facile raccontare e contestualizzare questa iniziativa. Non è semplice perché in essa stanno confluendo molte idee e spesso i messaggi che sono emersi non hanno riguardato un solo obiettivo, inoltre questi obiettivi sono <em>in continuo movimento</em>. Questo però è il bello dei progetti che nascono spontaneamente, che non vengono imposti dall’alto.</p><p>In questo pezzo descrivo qual è il contesto in cui sta crescendo StartupY, e racconto di quello (e di coloro) a cui mi sono ispirato e mi sto ispirando per contribuire a dare forma alle attività dei prossimi mesi. Siamo a qualche ora dalla mia intro nell’evento di apertura, e non ho voglia di buttare giù un altro canovaccio. Preferisco scrivere un post, senza paura di poter far trasparire un po’ di ingenuità (e spero anche un pizzico di <em>ingenuity</em> del progetto).</p><p><strong>StartupY</strong> nasce nel dicembre scorso, emergendo da conversazioni — forse un po’ utopistiche — tra due <a href="https://it.linkedin.com/in/paolo-marenco-49864">appassionati</a> di <a href="https://it.linkedin.com/in/andreabaresi">innovazione</a>, su come riuscire a dare una piccola “scossa” a una città spesso un po’ troppo assopita (riguardo a non pochi aspetti di rilievo) come la nostra Genova. In quel momento in Italia stavamo assistendo al tramonto del progetto Digital Champions (per citare un evento correlato, ma forse non così rilevante), e qui nella Superba alla pubblicazione di <a href="http://www.primocanale.it/notizie/perch-genova-cos-bella-senza-qualit--164935.html">diversi</a> <a href="http://sophiadallanotte.com/2015/12/24/genova-lanoressica/">articoli</a> <a href="http://www.enricoalletto.it/pensieri-a-freddo-dietro-le-quinte-della-mia-esperienza-con-riccardo-luna/">interessanti</a> sulla cultura <em>tout court</em> e la cultura tecnologica/digitale (ne ho linkato alcuni non del mainstream).</p><blockquote><em>Bisognava fare qualcosa, presto</em>.. Perché non creiamo un evento in cui riunire <strong>esperti di tecnologia e investitori</strong>, per farli confrontare su testimonianze/modelli/idee/ecc e scatenare — potenziali — collaborazioni?<br>Forse è un po’ arbitrario?! No, no..<em> Ecco, quello è stato il trigger.</em></blockquote><p>Da questa idea si è innescata l’attività, e da quella il nostro cambiamento.</p><p>In questi ultimi anni ho avuto modo di confrontare idee riguardo al significato di <em>sviluppo tecnologico</em> e <em>innovazione</em>, e a quello che possiamo fare per non “subire” questi processi. Il confronto — non sempre facile — mi ha aiutato molto a crescere come persona e come professionista. Il contesto naturale di queste <em>riflessioni</em> e <em>conversazioni</em> sono state le <strong>community tecnologiche genovesi</strong>, e in special modo i <strong>gruppi di sviluppatori</strong>.</p><p>Qui a Genova abbiamo diversi tech/dev group, molti di essi organizzano iniziative e eventi. Le attività di questi gruppi — negli anni — hanno interessato <strong>alcune migliaia di genovesi</strong> (e non). Genova, tutto sommato, è una città piuttosto ricca di aziende e di realtà che si occupano di tecnologie avanzate, quindi il bacino da cui questi gruppi “pescano” è davvero molto interessante.</p><blockquote>OK, il contesto è fecondo. Non ci resta che cominciare. <strong><em>Iniziamo?</em></strong></blockquote><p>Ci troviamo di fronte a una serie di occasioni per cambiare. Le cose sono nell’aria, e in molti stiamo iniziando a percepirle. Possiamo decidere di assistere passivamente a questo cambiamento, oppure -insieme- provare a guidarlo, indirizzarlo — in piccolo e in grande. Parliamone, <strong>confrontiamoci</strong>.</p><p>Probabilmente nel processo di cambiamento molti di noi verranno additati come folli, oppure la nostra “follia” verrà considerata come un tassello essenziale in questo difficile percorso. Comunque un po’ folli dovremo esserlo.</p><blockquote>StartupY è il nostro piccolo contributo al mutamento. <strong>Iniziamo da Genova!</strong></blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ae0e3d3e28dc" width="1" height="1" alt=""><hr><p><a href="https://medium.com/startupy-italia/startupy-genova-ae0e3d3e28dc">StartupY Genova</a> was originally published in <a href="https://medium.com/startupy-italia">StartupY Italia</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La creazione di un degno avversario]]></title>
            <link>https://medium.com/apprendimento-automatico/la-creazione-di-un-degno-avversario-405ed96f9c6c?source=rss-8f7e437bfd76------2</link>
            <guid isPermaLink="false">https://medium.com/p/405ed96f9c6c</guid>
            <category><![CDATA[medium-italia]]></category>
            <category><![CDATA[intelligenza-artificiale]]></category>
            <category><![CDATA[deep-learning]]></category>
            <category><![CDATA[reinforcement-learning]]></category>
            <category><![CDATA[deepmind]]></category>
            <dc:creator><![CDATA[Andrea Baresi]]></dc:creator>
            <pubDate>Sat, 30 Jan 2016 07:26:35 GMT</pubDate>
            <atom:updated>2018-09-20T21:28:28.096Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nc-sa/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*HEaFW4QRFChfQkDYSZwu8Q.png" /><figcaption>Lo snodarsi di un percorso nel grafo di AlphaGo</figcaption></figure><p><strong>Di recente si è parlato molto di macchine intelligenti</strong>. Lo scorso dicembre ha suscitato parecchio clamore la nascita di <a href="https://medium.com/apprendimento-automatico/nella-mente-di-openai-2ecf13b4d844">un laboratorio non-profit sul deep learning</a> sostenuto, con un investimento multimiliardario, da Elon Musk e altri magnati statunitensi. In questi giorni —proprio nella settimana in cui è scomparso a 88 anni il pioniere dell’intelligenza artificiale (AI, <em>artificial intelligence</em>) Marvin Minsky — è invece arrivato il primo grande successo di <strong>Google DeepMind</strong> nel <em>solving</em> del plurimillenario gioco del <a href="https://it.wikipedia.org/wiki/Go_%28gioco%29">Go</a>, ritenuto il più difficile da affrontare tra quelli classici. Queste notizie hanno portato sui quotidiani storie di inarrestabili ricerche finalizzate alla creazione di macchine che affiancheranno l’uomo in compiti sempre più difficili, per aiutarlo. Macchine che molto probabilmente arriveranno al punto di poter competere con, e superare, la <em>specie creatrice</em> su molti aspetti rilevanti —pensate, per esempio, alle auto che si guidano da sole.</p><p>Per rilassarci un po’ e non pensare a <em>prospettive distopiche</em> — a la Skynet — parliamo di macchine che giocano contro avversari umani. Subito ci vengono in mente le prodezze scacchistiche di <strong>DeepBlue</strong>, oppure lo sfoggio di una raffinata e precisa <em>cultura generale</em> di <strong>Watson</strong> (ancora oggi cavallo di battaglia dell’AI di IBM) nella sfida contro i campioni di Jeopardy! Ma non ci siamo fermati qui, perché qualche giorno fa la <em>versione distribuita</em> di <strong>AlphaGo </strong>di DeepMind ha battuto Fan Hui, il campione di Go europeo, per <strong>5 giochi a 0</strong>. Nel mondo del Go è stata la prima vittoria di un programma contro un giocatore professionista, <em>senza handicap</em>, su un <a href="https://en.wikipedia.org/wiki/Go_equipment#Board">goban standard</a> (19x19).</p><p>Quanto accaduto, per ricercatori e ingegneri nell’ambito del <em>machine learning</em>, è un successo davvero rilevante. Queste tecnologie, in grado di affrontare e risolvere con successo problemi prima considerati <em>impossibili,</em> stanno diventando sempre più popolari.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/335/1*n28cIPuJB9bEV96xJRWKFQ.png" /><figcaption>popolarità di ‘<strong>machine learning</strong>’ (blu) e ‘<strong>deep learning</strong>’ (rosso)</figcaption></figure><blockquote>Lo <strong>spazio di ricerca</strong> delle mosse legali nel Go è vasto. E’ estremamente più grande di quello degli scacchi, di un numero che si stima sia molto maggiore di quello degli atomi presenti nell’universo.</blockquote><p>Nel caso di un gioco come il Go, risolverlo significa creare un programma in grado di <strong>battere sistematicamente un avversario umano</strong>, adesso questo programma (quasi certamente) esiste. Esso effettua i suoi “ragionamenti” attraverso una tecnologia — le reti neurali — che fino a non molti anni fa veniva irrisa, perché considerata troppo inefficiente, da buona parte dei ricercatori (vi rimando a questo <a href="https://medium.com/apprendimento-automatico/la-genesi-di-una-rivoluzione-tecnologica-e2dc48a0e58b">articolo sulla nascita del deep learning</a> per approfondire). AlphaGo arriva dal <strong>laboratorio londinese DeepMind</strong> recentemente acquisito da Google, specializzato <strong>nelle reti neurali deep</strong> per il <a href="https://en.wikipedia.org/wiki/Reinforcement_learning">reinforcement learning</a>. Per la sfida contro Fan Hui è stata usata una versione distribuita del programma, che ha girato su 1202 CPU e 176 GPU (i chip principali delle schede video) sia per il <em>training</em> che per la partita.</p><p>Di <strong>deep reinforcement learning</strong> ne abbiamo già sentito parlare negli ultimi anni. Volodymyr Mnih e il gruppo (che comprende David Silver) di ricercatori e ingegneri di DeepMind, nel 2013 hanno sviluppato un agente chiamato deep Q-network (DQN) che combina un algoritmo classico di reinforcement learning con una rete neurale convoluzionale, una <a href="http://cs231n.github.io/convolutional-networks/">ConvNet</a> <em>deep</em> per l’elaborazione di immagini. Nelle applicazioni che DeepMind ci ha mostrato, l’input è rappresentato da sequenze di frame di videogiochi, mentre l’output consiste nei movimenti di un joystick virtuale in un sistema <strong>Atari 2600</strong> (per esempio quello in <a href="https://www.youtube.com/watch?v=V1eYniJ0Rnk">questo popolare filmato</a>). I movimenti e le decisioni, attraverso un modello adattivo <strong>ispirato alla psicologia comportamentale</strong> fatto di <em>esplorazioni</em> e <em>ricompense</em>, migliorano continuamente fino ad arrivare a un livello super-umano. In questo caso stiamo parlando di videogiochi “essenziali”, quindi il contesto è ultra-semplificato, comunque i risultati ottenuti sono davvero sorprendenti.</p><p>Per affrontare il gioco del Go invece è stato seguito un approccio ibrido innovativo, combinando le tecniche più tradizionali di <strong>supervised learning</strong> (così è chiamato l’apprendimento automatico attraverso esempi) per il training con sessioni storiche di gioco di esperti, con il <em>reinforcement learning</em> attraverso partite simulate. Non vado oltre con i dettagli tecnici — in verità mi ero già fermato — gli interessati possono approfondire l’argomento leggendo il nuovo paper su AlphaGo di David Silver (<em>et al.</em>) pubblicato sulla rivista <strong>Nature</strong>. Lì si trovano riferimenti alle diverse tecniche e agli algoritmi usati (per esempio l’ormai assodato <em>Monte Carlo tree search</em>) e all’ingegnosa struttura del modello, composto da due <a href="https://en.wikipedia.org/wiki/Deep_learning#Deep_neural_networks">reti neurali deep</a> (<em>policy network</em> e <em>value network</em>) per la <em>selezione</em> e la <em>valutazione</em> delle mosse. Il sistema fa in modo che AlphaGo alla fine dell’elaborazione scelga ogni volta<strong> la mossa successiva che nelle simulazioni risulta migliore</strong>.</p><p><em>Ma torniamo al “nostro” goban</em>…</p><p>Go resta un gioco ostico per le macchine, AlphaGo ha però una serie di vantaggi rispetto agli <em>avversari a base carbonio</em>. Gli esseri umani hanno parecchie debolezze. Si stancano dopo un po’ di tempo. Inoltre anche i migliori professionisti in un certo ambito possono commettere gravi errori, spesso legati a <strong>questioni di precisione e attenzione</strong>, che commettono proprio perché essi non sono macchine. Le macchine invece non hanno di questi problemi, soprattutto quelle che <em>non hanno bisogno di essere programmate in modo tradizionale</em>.</p><p>Il limite più grande degli umani in questo gioco è legato al numero di esempi di partite che sono in grado di “processare”; quante partite di Go può giocare un essere umano nella sua intera esistenza? AlphaGo può processare <strong>milioni di partite in una sola giornata</strong>, apprendendo qualcosa da ognuno di questi esempi. Il Go per un umano è un gioco molto intuitivo. Spesso anche giocatori esperti effettuano mosse senza attuare un particolare ragionamento, e senza essere in grado di spiegare precisamente il motivo di certe scelte. Le prossime sfide del team di DeepMind suonano come uno scontro tra l’intuizione umana e una sorta di <em>intuizione artificiale</em>, fondata sulla precisione computazionale unita al rigore statistico delle macchine create dall’uomo stesso.</p><p>In marzo si apprestano a incontrare <strong>in Seul</strong> il più grande giocatore del mondo <strong>Lee Sedol</strong> (9 dan), che ha accettato la sfida con AlphaGo. Al gruppo di Demis Hassabis restano <em>meno di due mesi per migliorare e addestrare un campione</em>.</p><blockquote>Probabilmente scommetterei i miei soldi sull’umano, ma non ne scommetterei mica tanti su di lui..</blockquote><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=405ed96f9c6c" width="1" height="1" alt=""><hr><p><a href="https://medium.com/apprendimento-automatico/la-creazione-di-un-degno-avversario-405ed96f9c6c">La creazione di un degno avversario</a> was originally published in <a href="https://medium.com/apprendimento-automatico">Apprendimento Automatico</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[La genesi di una rivoluzione tecnologica]]></title>
            <link>https://medium.com/apprendimento-automatico/la-genesi-di-una-rivoluzione-tecnologica-e2dc48a0e58b?source=rss-8f7e437bfd76------2</link>
            <guid isPermaLink="false">https://medium.com/p/e2dc48a0e58b</guid>
            <category><![CDATA[medium-italia]]></category>
            <category><![CDATA[intelligenza-artificiale]]></category>
            <category><![CDATA[deep-learning]]></category>
            <dc:creator><![CDATA[Andrea Baresi]]></dc:creator>
            <pubDate>Sun, 24 Jan 2016 13:38:07 GMT</pubDate>
            <atom:updated>2016-02-06T14:25:16.941Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nc-sa/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*M7U1hmO5Y1ulB1OEGyMiYg.jpeg" /><figcaption>Yann LeCun e le deep nets</figcaption></figure><p><strong>Un gruppo di scienziati</strong> provenienti da diverse discipline accademiche si incontrò in occasione di un workshop a Vancouver nel <strong>dicembre del 2003</strong>. Si trattava di un meeting di preparazione di quello che sarebbe poi diventato il <a href="http://www.cifar.ca/neural-computation-and-adaptive-perception/">Neural Computation and Adaptive Perception program (NCAP)</a>, che avrebbe segnato la fine dell’<em>inverno</em> (come viene spesso definito) delle <strong>reti neurali</strong>, e dato il via alla rivoluzione del <strong>deep learning</strong>.</p><p><strong>Geoffrey Hinton</strong> organizzò l’incontro e invitò una manciata di ricercatori per discutere dell’NCAP, e fu durante quel workshop che Melvin Silverman (al tempo funzionario del <a href="http://www.cifar.ca/">CIFAR</a>) decise di finanziare il programma.</p><p>NCAP ora si chiama Learning in Machines and Brain (LMB), è finanziato fino al 2018, ed è co-diretto da <strong>Yann LeCun</strong> e <strong>Yoshua Bengio</strong>.</p><p>Mel Silverman quel giorno del 2003 si trovò davanti un gruppo eterogeneo di ricercatori, accomunati però da un interesse che in quel periodo era <em>considerato a dir tanto marginale</em> dalla maggior parte degli informatici. Loro credevano fermamente nella possibilità di <em>insegnare</em> a una macchina ad affrontare e risolvere problemi attraverso un <strong>processo di apprendimento</strong> molto simile a quelli che vengono adottati dagli esseri dotati di strutture encefaliche, mediante l’uso di modelli — le <em>reti neurali</em> appunto — che imitano il funzionamento del cervello umano.</p><p>La maggior parte dei colleghi informatici era convinta che il ristretto gruppo di accademici che lavoravano ancora sulle <em>neural nets</em> fosse composto da gente che gettava via il tempo con cose che non potevano (e non avrebbero mai potuto) funzionare, roba da strampalati. Il modo canonico per “insegnare” a un computer a risolvere un problema era programmarlo, non era metterlo nelle condizioni di imparare ad affrontarlo per poi <em>addestrarlo</em>. Silverman però era diverso da questi oppositori, e soprattutto non era un informatico.</p><p>Silverman era un medico, e in quel momento aveva nelle sue mani la possibilità di decidere se finanziare questo drappello di “svitati” (loro stessi ironicamente si definivano così) per conto del CIFAR. Davanti a lui aveva un gruppo affiatato e tra di essi c’era Geoff Hinton, un ricercatore originario dell’Inghilterra portato in Canada proprio dal CIFAR anni prima. Geoff Hinton era rispettato, quasi venerato, dagli altri del gruppo e tra essi c’erano anche diversi suoi allievi. Silverman fu molto colpito dalla vastità dei <em>problemi difficili</em> che potevano essere affrontati attraverso questo nuovo approccio, e il gruppo fu molto sincero riguardo alle difficoltà che negli anni successivi avrebbero incontrato e alla natura <em>avventurosa</em> dell’impresa.</p><p>Di lì a poco Silverman, che si accorse che Hinton e gli altri erano tutt’altro che folli, convinse il Canadian Institute For Advanced Research a finanziare il gruppo con <strong>10 milioni di dollari in 10 anni</strong>. Così facendo un brillante medico <em>anticonformista</em> contribuì a dare inizio a una vera e propria rivoluzione informatica, perché grazie al finanziamento si creò quello che fu il primo programma di ricerca sulle <strong>reti neurali profonde</strong>.</p><blockquote>Il frutto di piu di 20 anni di lavoro e perseveranza..</blockquote><blockquote>CIFAR-NCAP essentially bankrolled the initial phase of the “deep learning conspiracy” fomented by Geoff Hinton, Yoshua [Bengio] and me about 10 years ago, whose purpose was to revive the interest of the machine learning and AI community in the problem of learning representations. [Y. LeCun, <a href="https://plus.google.com/+YannLeCunPhD/posts/2b4JdoguADC">11 gen 2014</a>]</blockquote><p><em>Trovate il resto della storia (in inglese) in </em><a href="https://goo.gl/SKTm4j"><em>questo articolo del Financial Post</em></a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=e2dc48a0e58b" width="1" height="1" alt=""><hr><p><a href="https://medium.com/apprendimento-automatico/la-genesi-di-una-rivoluzione-tecnologica-e2dc48a0e58b">La genesi di una rivoluzione tecnologica</a> was originally published in <a href="https://medium.com/apprendimento-automatico">Apprendimento Automatico</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Nella mente di OpenAI]]></title>
            <link>https://medium.com/apprendimento-automatico/nella-mente-di-openai-2ecf13b4d844?source=rss-8f7e437bfd76------2</link>
            <guid isPermaLink="false">https://medium.com/p/2ecf13b4d844</guid>
            <category><![CDATA[medium-italia]]></category>
            <category><![CDATA[intelligenza-artificiale]]></category>
            <category><![CDATA[deep-learning]]></category>
            <dc:creator><![CDATA[Andrea Baresi]]></dc:creator>
            <pubDate>Sun, 10 Jan 2016 11:21:01 GMT</pubDate>
            <atom:updated>2024-07-05T10:23:20.651Z</atom:updated>
            <cc:license>https://creativecommons.org/licenses/by-nc-sa/4.0/</cc:license>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*3lUIk_ot7A5GxYI4_YoGkg.jpeg" /><figcaption>Immagine storica del percettrone Mark I al Cornell Aeronautical Laboratory</figcaption></figure><blockquote>L’idea nacque durante una cena in Palo Alto nell’estate del 2015</blockquote><p><strong>OpenAI è una società non-profit statunitense</strong> che opera nell’ambito dell’intelligenza artificiale (AI, <em>artificial intelligence</em>) e si impegna a rendere pubblici i risultati ottenuti e i suoi brevetti royalty-free. E’ un laboratorio di ricerca finanziato — si parla di un impegno di più di <em>un miliardo di dollari</em> diluito in un lungo periodo — da un nutrito gruppo di privati con l’obiettivo dichiarato di creare i presupposti per contrastare aziende di grandi dimensioni o governi che potrebbero trarre troppo vantaggio dal possedere sistemi <strong>super-intelligenti</strong> devoti al profitto e all’acquisizione di potere; non sbaglia chi riconosce in questa mission i <a href="http://observer.com/2015/08/stephen-hawking-elon-musk-and-bill-gates-warn-about-artificial-intelligence/">timori di Elon Musk</a>.</p><p>Di recente una parte dei componenti del team di ricerca (<a href="http://cs.stanford.edu/people/karpathy/">Andrej Karpathy</a>, Durk Kingma, Greg Brockman, <a href="http://www.cs.toronto.edu/~ilya/">Ilya Sutskever</a>, Wojciech Zaremba) ha sostenuto <a href="https://www.reddit.com/r/MachineLearning/comments/404r9m/ama_the_openai_research_team">un AMA su Reddit</a> (una sessione online di Q&amp;A). Qui di seguito compongo un sunto delle risposte date dal team con alcune mie considerazioni.</p><p>Il <em>research team</em> lavora full-time sui progetti di OpenAI in un unico grande ufficio in San Francisco, dove si sta formando un vero e proprio <em>ensemble</em> di ingegneri e scienziati. Il laboratorio prende spunto da altre realtà simili (per diversi aspetti è ispirato a strutture come il vecchio <a href="http://www.newyorker.com/magazine/2011/05/16/creation-myth">Xerox PARC</a>) e la <strong>libertà di ricerca</strong> che lo caratterizza lo configura come partner ideale per un’ampia collaborazione con il mondo accademico e le aziende private. Quello che lo rende davvero unico invece sono le risorse (finanziarie e di conoscenza) che nel tempo si concretizzeranno sempre più e le notevoli retribuzioni per i ricercatori, cifre da società high-tech.</p><p>Un altro aspetto rilevante che differenzia OpenAI dagli altri laboratori è la presenza di un <strong>comitato etico</strong>, anche questo prenderà forma e una direzione precisa con il passare del tempo. Al momento l’impronta è stata (e viene) data da <strong>Elon Musk</strong> e <strong>Sam Altman</strong>. Come scritto nel <a href="https://openai.com/blog/introducing-openai/">post di presentazione</a>, l’obiettivo principale è far progredire l’<em>intelligenza digitale</em> in un modo che si possano massimizzare i benefici per l’umanità nella sua interezza, tutto il resto rappresenta una serie di strategie e tattiche finalizzate al raggiungimento di questo <em>ambizioso</em> obiettivo.</p><p>L’impegno che si assumono è di rivalutare costantemente la strategia migliore. Ad oggi è: scrivere pubblicazioni scientifiche, rilasciare codice e collaborare con università e aziende per usare al meglio i sistemi di IA. In caso di raggiungimento di progressi giudicati “pericolosi” questa politica verrà rivista.</p><p>Sempre riguardo a questo, un <em>meta-obiettivo</em> di cui OpenAI si prende carico riguarda il controllo dell’IA, il suo “contenimento” (citando un <a href="http://www.technologyreview.com/review/534871/our-fear-of-artificial-intelligence/">vecchio articolo di MIT Technology Review</a>). Questo aspetto potrebbe essere rilevante in un futuro in cui i sistemi creati dall’uomo potranno iniziare ad avvicinarsi a livelli davvero alti — Ilya Sutskever usa il termine <em>very capable AI</em>. L’obiettivo è rappresentato dal diffondere la consapevolezza di questi problemi potenziali nella comunità dei ricercatori di machine learning (ML) e AI, comunità che negli ultimi anni ha dimostrato ritmi di crescita davvero incredibili.</p><p>Per quanto riguarda gli aspetti più tecnici OpenAI inizialmente si occuperà di <strong>deep learning</strong>, in quanto considerato l’ambito più interessante e promettente nel settore del ML. L’attività verrà indirizzata al miglioramento di algoritmi di <em>supervised learning</em>, <em>unsupervised learning</em>, e di <em>exploration</em> nel <em>reinforcement learning</em>. La conoscenza profonda di questi temi caratterizza il background comune della maggior parte del team di ricerca.</p><p>Per lo sviluppo inizialmente si useranno piattaforme software e infrastrutture create da altri ricercatori/ingegneri, nell’AMA si accenna a <a href="https://www.tensorflow.org/">TensorFlow</a> di Google come piattaforma primaria. In seguito, probabilmente, verranno creati nuovi tool per il <em>learning</em> di larga-scala e l’ottimizzazione (nel caso, anch’essi verranno resi pubblici). Riguardo alla questione dati, fondamentale nel ML, principalmente verranno usati <strong>dataset e benchmark pubblici</strong> (MNIST, CIFAR, ImageNet, Atari, ..) e — se necessario — si lavorerà alla creazione di nuovi.</p><p>In una risposta, Ilya Sutskever (Research Director di OpenAI) racconta di come si sia avvicinato alla ricerca sulle moderne reti neurali (e il <em>deep learning</em>) partendo da uno scetticismo riguardo ai <strong>programmi per computer che imparano dall’esperienza</strong>. Successivamente ha scoperto quanto fosse sorprendente l’algoritmo di <a href="https://en.wikipedia.org/wiki/Backpropagation">backpropagation</a>, una folgorazione. Tutto questo unito al fatto che stava studiando alla <strong>University of Toronto</strong>, dove il pioniere <a href="http://www.cs.toronto.edu/~hinton/">Geoffrey Hinton</a> stava lavorando, lo ha portato a occuparsi accademicamente e professionalmente di quell’ambito.</p><p>Sempre Ilya, in una risposta, individua nello <strong>unsupervised learning</strong> la classe di problemi pratici in ambito AI più ardua, che nei prossimi anni potrà vedere i maggiori progressi e portare ai risultati più tangibili.</p><p>Ma non considerate OpenAI una torre d’avorio popolata da superuomini. Come raccontava qualche settimana fa George Hotz nell’<a href="http://www.bloomberg.com/features/2015-george-hotz-self-driving-car/">intervista su Bloomberg</a>, il campo del ML (e, estendendo il pensiero, il suo <em>stato dell’arte</em>) è — paradossalmente — <em>piuttosto accessibile</em> (come afferma anche Greg Brockman, CTO di OpenAI, nell’AMA), specialmente grazie ai notevolissimi strumenti disponibili oggi. Non serve possedere un PhD oppure essere stati allievi di un luminare dell’ambito, per riuscire a comprendere i punti salienti dei paper più interessanti sul <em>deep learning</em> pubblicati negli ultimi mesi e ad applicarne i risultati. Invito tutti gli interessati a dare un’occhiata a <a href="https://www.kaggle.com/">Kaggle</a> — per esempio — ad affrontare qualche problema/competizione (sì, ancora prima di approfondire più di tanto la letteratura) e a condividere l’esperienza.</p><p>Dulcis in fundo, OpenAI sta assumendo: <a href="https://jobs.lever.co/openai">https://jobs.lever.co/openai</a> !</p><p>Alcuni link rilevanti che compaiono nell’AMA: il repository ufficiale su Github (<a href="https://github.com/openai">https://github.com/openai</a>), il sito web (<a href="https://openai.com/">https://openai.com</a>) e l’account Twitter (<a href="https://twitter.com/open_ai">https://twitter.com/open_ai</a>).</p><p>Anche grazie e iniziative di questo tipo — folli oppure no — sembra proprio che l’ultimo <a href="https://en.wikipedia.org/wiki/AI_winter">inverno dell’AI</a> sia ormai alle spalle. Per farci un’idea dell’interesse che satellita attorno all’ambito, in una <a href="http://insights.venturescanner.com/2015/11/18/number-of-investments-by-top-artificial-intelligence-investors/">ricerca condotta da Venture Scanner</a> lo scorso novembre è emerso che su 897 <strong>Artificial Intelligence company</strong> in 66 paesi sono stati raccolti circa <em>4 miliardi di dollari</em> in finanziamenti. E questo è solo l’inizio.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=2ecf13b4d844" width="1" height="1" alt=""><hr><p><a href="https://medium.com/apprendimento-automatico/nella-mente-di-openai-2ecf13b4d844">Nella mente di OpenAI</a> was originally published in <a href="https://medium.com/apprendimento-automatico">Apprendimento Automatico</a> on Medium, where people are continuing the conversation by highlighting and responding to this story.</p>]]></content:encoded>
        </item>
    </channel>
</rss>