Corriereuniv.it in occasione del lancio delle guide digitali di orientamento, studiate per gli studenti in tempo di Covid ha intervistato Matteo Testi, giovane imprenditore con un background in Neuroscienze e Intelligenza Artificiale con un focus sui modelli di Deep Learning.
Nel 2016 ha fondato la prima e più grande community di Deep Learning in Italia e Europa che si è trasformata in start-up che offre formazione e consulenza sui temi dell’Intelligenza Artificiale.
Ci puoi descrivere come ti sei avvicinato all’Intelligenza artificiale e darci una delucidazione semantica della stessa?
L’insieme che si chiama intelligenza artificiale, indica quei procedimenti informatici che tentano di rendere un sistema intelligente – ossia un sistema può processare informazioni e prendere decisioni. All’interno ci sono modelli matematici, vale a dire machine learning (apprendimento automatico) che non sono altro che tecniche matematiche che vengono riportate in modo informatico, per riconoscere un’informazione, attraverso la programmazione di algoritmi.
Il mio percorso formativo è stato articolato, mi sono iscritto prima alla triennale di Psicologia cognitiva e poi ho proseguito con la magistrale Neuroscienze alla Sapienza, percorso sperimentale. All’inizio della mia carriera universitaria pensavo che avrei fatto lo psicoterapeuta, poi mi sono concentrato sul rapporto tra neuroscienze ed intelligenza artificiale. Andai in Scozia poiché vinsi una borsa di studio per un Master (laurea magistrale ndr) in Ingegneria dei dati. Le neuroscienze ti danno una visione di insieme. Vent’ anni fa, l’intelligenza artificiale era legata alla psicologia; avevo già avuto tramite mio padre infarinature di intelligenza artificiale, che ha una società di informatica. Successivamente dato che desideravo aprire una mia attività, tornai in Italia. La tesi del Master fu sul deep learning.
Che cosa si intende per deep learning?
Il deep learning, apprendimento profondo, rientra nel contenitore del machine learning (apprendimento automatico), programmazione ispirata ai neuroni del cervello e dunque a reti neurali con tanti strati che permettono di processare milioni di informazioni in milioni di settori. Fino a 30 anni, fa, era molto poco studiato, negli ultimi anni, per vari, motivi, si è molto diffuso e attualmente si parla di deep neural network, con oltre 100 algoritmi sotto questa definizione, che si esprimono attraverso programmi computerizzati in grado di acquisire informazioni, riconoscere immagini, modelli, prendere decisioni.
Dal 2016, l’intelligenza artificiale ha avuto un boom. Chi si vuole dedicare al deep learning deve studiare questo tipo di algoritmi. Per farti un esempio, Google ha comprato una società di Londra, la DeepMind creatrice di una serie di software che hanno fatto la storia dell’intelligenza artificiale. Da quando il loro software “Alpha-Go” l’anno scorso sconfisse il campione Sud-Coreano Master Lee Se-dol nel gioco da tavolo Go, il termine “Intelligenza Artificiale” (IA) si è diffuso in modo virale. Siamo di fronte ad un’applicazione di deep learning. Alpha-GO ha un motore di deep learning la cui funzione dipende dalla combinazione di un algoritmo in una struttura ad Albero chiamato “Monte-Carlo Tree Search” (MTS) con le “profonde” reti neurali conosciute come “Reti Neurali Convolutive” (CNN). DeepMind descrisse dettagliatamente tutto il sistema Alpha-GO nel noto articolo scientifico apparso su Nature e intitolato “Mastering the game of Go with deep neural networks and tree search”. Dopo quella partita umano-virtuale di quel gioco sono stati riscritti i manuali.
Il percorso più diretto per occuparsi deep learning?
Devi essere bravo o in matematica o in programmazione. Per esempio, si può fare un corso di laurea triennale in Matematica e poi un Master in informatica, oppure una triennale in Scienze informatiche e poi un corso di approfondimento sempre in informatica o matematica. Si tratta di un percorso interessante, con cui trovi subito lavoro, molto stimolante, ma molto faticoso perché è in continua evoluzione, ogni mese esce una cosa nuova. Lavori in società come Google che cambiano il mondo.
Quali sono le principali applicazioni del deep learning?
Tra le principali applicazioni, abbiamo il riconoscimento di immagini, di immagini tumorali, (pensiamo alla TAC), l’elaborazione del linguaggio naturale (NLP), vale a dire gli assistenti digitali (Alexia, Siri, assistente Google) che sono in grado di elaborare ciò che si dice o si digita, offrendo risposte adeguate. Così come l’ambito farmacologico con la creazione di farmaci personalizzati, ossia farmaci per una specifica categoria di persone che condivide lo stesso genoma. Il deep learning può essere applicato a ogni settore, con delle specificità definite, a seconda delle informazioni che si vanno a processare e ad elaborare, per questo non può esistere un esperto di IA che copra ogni esigenza. Per esempio, ci sono società sportive che usano software di IA per prezzare i giocatori di calcio, attraverso l’analisi di tutte i dati raccolti, processati, analizzati. Per quanto un essere umano possa processare dati e informazioni non raggiungerà mai la combinazione di caratteristiche e di variabili di un software AI, elaborato con il deep learning (apprendimento profondo).
Di che si occupa la tua società?
La mia società Icaro IA si occupa di formazione in questo ambito e della creazione di prodotti su commissioni. Per esempio il corso di laurea in Statistica di Tor Vergata usa la nostra piattaforma. Ci autofinanziamo con progetti europei, formazione, sviluppo prodotti. Inoltre, insegno deep learning al Dipartimento di Economia e Statistica di Tor Vergata, presso l’Università europea e il Campus Biomedico.
Augurio alle matricole
Il passaggio dalla scuola alla università non deve intimorire, ed è fondamentale che facciano quello che piace; l’università è bellissima, ma bisogna essere bene orientati. Quel lavoro, lo dovrai fare per tutta la vita.
NOTA
Nel campo dell’apprendimento automatico, una rete neurale artificiale (in inglese artificial neural network, abbreviato in ANN o anche come NN) è un modello computazionale composto di “neuroni” artificiali, ispirato vagamente dalla semplificazione di una rete neurale biologica. (fonte: Wikipedia)
Amanda Coccetti
