Parole e immagini, l’intelligenza artificiale si avvicina all’uomo

Pubblicato il 15 gennaio 2021

A cura di Matteo Muffo, AI Researcher di Indigo.ai

L’intelligenza artificiale continua a crescere e migliorarsi, ma la capacità delle macchine di ragionare e pensare in maniera autonoma è ancora lontana. Lo dimostrano gli enormi limiti di Gpt-3, l’ultimo algoritmo di OpenAi e Microsoft, che è un modello senza precedenti capace di immagazzinare centinaia di miliardi di parole: può interpretare e scrivere in maniera chiara qualunque cosa, ma crolla alla prova dei fatti quando si esce dal campo della parola scritta. Per metterlo in difficoltà basta chiedergli di che colore siano le pecore: il sistema risponderà nere con la stesse frequenza con cui dirà bianche. Il motivo è semplice: ha imparato a dire “pecora nera”, perché questo colore ricorre sul web altrettante volte di “bianco” in relazione alla parola “pecora”. Ma non ha capito il senso dell’espressione. Un errore banale che dimostra da un lato che le potenzialità sono enormi e quanto rapidamente evolva la tecnologia, ma dall’altro anche quanto sia importante lo sforzo da fare in fase di addestramento per sviluppare la capacità dell’intelligenza artificiale di ragionare in modo razionale.

La soluzione al problema l’hanno suggerita i ricercatori dell’Università del North Carolina, progettando una nuova tecnica d’addestramento per dare a Gpt-3 – ovvero una AI che si basa esclusivamente sulle parole – anche la capacità di “vedere” le cose, rafforzando così le sue possibilità di imparare. La sfida è quindi quella di combinare due diversi set di dati (testo e immagini) in un sistema unico per poter addestrare un nuovo modello da zero.

Didascalie descrittive

L’approccio scelto è quello di compilare una raccolta di immagini con didascalie molto più descrittive di quelle cui siamo abituati. Per esempio, prendiamo la foto di un gatto in cucina che mangia: solitamente, con tutta probabilità, verrebbe intitolata solo “gatto”; invece, un set che combina parole e immagini la chiamerebbe “un gatto in cucina che mangia croccantini da una ciotola rossa”. In questo modo, grazie alla combinazione puntuale di linguaggio testuale e visivo, possiamo insegnare a un modello di intelligenza artificiale non solo come riconoscere gli oggetti, ma anche come si relazionano e agiscono l’uno sull’altro, attraverso l’uso di verbi e preposizioni.
Un processo quasi banale sulla carta e per l’intelligenza umana, ma che però nella realtà richiederebbe un’eternità (se fatto dalle persone): basti pensare che se la versione inglese di Wikipedia comprende quasi 3 miliardi di parole, un set di dati visivi come, per esempio, potrebbe essere quello di Microsoft Common Objects in Context – meglio conosciuto come MS Coco – ne contiene appena 7 milioni. Combinare le due classi di dati diventa chiaramente molto difficile e impegnativo in termini di tempo.
I ricercatori americani, però, sono riusciti ad aggirare il problema con un metodo di apprendimento supervisionato capace di adattare i dati in MS Coco alle dimensioni di Wikipedia. Con il risultato di aver creato un modello di linguaggio che supera quelli più all’avanguardia in alcuni dei test più difficili utilizzati per valutare la comprensione del linguaggio AI. Dimostrando che se il modello oltre a imparare la parola gatto, la vede anche, sarà in grado di ragionare in maniera sempre più razionale ed efficace.

Bert contro Gpt-3

I ricercatori hanno quindi utilizzato l’accoppiamento tra parole e immagini che hanno creato con MS Coco per addestrare il loro algoritmo e hanno riqualificato un modello di linguaggio open source sviluppato da Google, noto come Bert, che precede Gpt-3. Terminato il processo di aggiornamento, hanno sfidato il “nuovo Bert” su sei diversi test di comprensione linguistica, tra cui SQuAD, Stanford Question Answering Dataset, che chiede ai modelli di rispondere a domande di comprensione della lettura su una serie di articoli, e Swag, che costringe gli algoritmi a dimostrare di aver compreso il significato delle parole e di non averle “semplicemente” imparate a memoria.

Un approccio così innovativo apre scenari tutti da esplorare. Certo, il vecchio Bert non potrà mai battere Gpt-3, ma la consapevolezza di poter addestrare un sistema così potente con parole e immagini ci fa capire quanto la tecnologia corra veloce e come le innovazioni siano conquiste quotidiane. Facendo un altro passo verso l’artificial general intelligence.



Contenuti correlati

  • Vedrai acquisisce la divisione Data Intelligence di Altea Federation

    L’accesso alla tecnologia e alle informazioni è diventato essenziale per poter prendere decisioni consapevoli in ambito aziendale, anche per le imprese più piccole, tradizionalmente escluse dai processi di innovazione e spesso prive delle competenze e dei dati...

  • Forum Meccatronica 2022: robotica, AI e blockchain secondo Mitsubishi

    A Forum Meccatronica 2022, mostra-convegno ideata dal Gruppo Meccatronica di ANIE Automazione, realizzata in collaborazione con Messe Frankfurt Italia, focus su “Integrazione e flessibilità a supporto dell’industria digitale e sostenibile”. Le ultime frontiere della robotica, intelligenza artificiale (AI) e...

  • ElisaCare
    Assistenza intelligente per anziani e persone fragili con ElisaCare

    La start-up italiana Sicura Care introduce in Italia ElisaCare, un’assistente familiare digitale dotata di tecnologie di intelligenza artificiale che, nel pieno rispetto della privacy, è in grado di leggere e interpretare le abitudini delle persone anziane, imparare dalle loro routine ed...

  • Siemens al Festival dell’Acqua 2022

    La manifestazione, ideata e promossa da Utilitalia, propone tre giorni di riflessioni e approfondimenti con esponenti della politica, tecnici ed esperti del settore. Il contenimento degli effetti dei cambiamenti climatici, la digitalizzazione, l’impatto del Piano Nazionale di...

  • Tecnologie digitali per la transizione energetica

    La transizione energetica e la rivoluzione digitale sono due trasformazioni globali, profonde e irreversibili che progressivamente richiedono di essere affrontate con una visione unica, perché si tratta di due facce della stessa medaglia: il digitale è infatti...

  • Sistemi di identificazione e visione per produzioni infallibili

    Nel mondo della produzione, le tecnologie che conferiscono la capacità di riconoscere oggetti o codici in modo automatico sono sempre più richieste, per migliorare le funzionalità autonome e l’efficienza di macchine e impianti. Oggi, tutto il dominio...

  • ‘Vedrai’ con l’AI

    Fondata nel 2020 in Italia, in piena pandemia da Covid-19, dall’imprenditore 27enne Michele Grazioli, oggi presidente e amministratore delegato della società, Vedrai in meno di due anni ha conquistato investitori, aziende e clienti… Leggi l’articolo

  • Prevenire è meglio che curare

    L’intelligenza artificiale al fianco della manutenzione predittiva grazie alla soluzione Clea di Seco Leggi l’articolo

  • L’intelligenza artificiale di Ammagamma e il credito di imposta fanno crescere le PMI italiane

    L’intelligenza artificiale è sempre più vicina alla piccola e media impresa. Il credito d’imposta Innovazione Digitale 4.0 offre alle PMI un’occasione concreta per aumentare la competitività e la resilienza, lungo tutta la catena del valore, anche attraverso...

  • Intelligenza artificiale, l’Italia eccelle nella ricerca, ma le aziende restano indietro

    L’intelligenza artificiale è oggi uno dei temi più caldi, a livello macroeconomico mondiale. E l’Italia sta giocando le sue carte, in particolare nel mondo della ricerca. È tra i primi dieci Paesi al mondo in tema di...

Scopri le novità scelte per te x