Google studia un approccio “little data” per l’intelligenza artificiale

ServiceNow: ancora più intelligenza artificiale generativa per le telco

Google vuole insegnare all’intelligenza artificiale a imparare con molte meno informazioni

Per realizzare il machine learning è necessario analizzare un’enorme quantità di dati. Questo può essere un problema quando è difficile reperire le informazioni o non si dispone di una sufficiente capacità di calcolo. Anche la privacy e sicurezza sono aspetti da considerare. L’idea di Google è stata quindi quella di studiare un approccio all’apprendimento automatico che fosse slegato dai big data. A dirlo è stato Prabhakar Raghavan, Vice President of Engineering dell’azienda di Mountain View, in una intervista concessa a Wired durante l’Internet Festival di Pisa.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

“La maggior parte del successo nell’apprendimento automatico deriva da nuovi e migliori algoritmi, dall’esperienza e dall’intuizione dei ricercatori e dall’ingegneria necessaria a tradurlo in prodotti reali”, ha dichiarato Raghavan. L’intelligenza artificiale deve essere quindi in grado di prendere decisioni basandosi su un minor numero di elementi. “Sappiamo che la mente umana è in grado di farlo. – rivela l’ingegnere – Per fare un esempio, sono stati necessari solo 270 esami istologici, come dati informativi per il nostro lavoro, per rilevare la metastasi del cancro al seno”.

Per quanto riguarda la raccolta dei dati e fin dove è lecito spingersi, Raghavan sottolinea che già oggi la maggior parte delle informazioni a disposizione dei ricercatori sono state fornite liberamente sul web. La stessa Google, che ha cancellato Android Wear dal suo store online, ha reso liberamente fruibili diverse banche dati come quelle che raccolgono i testi associati a foto e video.

Leggi anche:  Gli Analytics predicono la resilienza degli Stati: il Crisis Sensitivity Simulator