Scienza in rete

La sfida dell’IA per l’Italia: colloquio con Nicolò Cesa-Bianchi

Immagine di Mike MacKenzie/Flickr (CC BY 2.0)

A metà novembre i quattro atenei milanesi, Statale, Bicocca, Bocconi e Politecnico, hanno annunciato la nascita di una unità locale di ELLIS, l’associazione europea di ricercatori sull’intelligenza artificiale e il machine learning. Una settimana dopo il Consiglio dei Ministri ha approvato il Programma Strategico per l’Intelligenza Artificiale per il triennio 2022-2024, sviluppato dal Ministero dell’Università e della Ricerca insieme al Ministero dello Sviluppo Economico e al Ministro per l’innovazione tecnologica e la transizione digitale. In un certo senso, l’accordo stretto dalle quattro università milanesi per collaborare all’interno di ELLIS rappresenta un esperimento su scala metropolitana di quello che il Programma Strategico vorrebbe che avvenisse a livello nazionale. Abbiamo parlato di questi temi con Nicolò Cesa-Bianchi, informatico all’Università Statale di Milano e attuale coordinatore della ELLIS Unit milanese.

Cos’è ELLIS? E che cos’è una ELLIS Unit?

ELLIS è un’associazione fondata nata dal basso alla fine del 2018. Un gruppo di scienziati europei si è posto l’obiettivo di lavorare affinché l’Europa mantenga la sovranità tecnologica nell’ambito dell’intelligenza artificiale e del machine learning, un campo in cui Asia e America esercitano un controllo quasi esclusivo. Si tratta di un ambito strategico, dal punto di vista industriale, militare ma anche sociale. Questo gruppo di scienziati, inizialmente una decina, è rapidamente cresciuti perché tutti noi avevamo ben presente quello che stava succedendo. Aspettavamo un catalizzatore che ci mettesse assieme e ci facesse lavorare in modo coordinato e organizzato.

Intelligenza artificiale e machine learning. Questi due termini vengono usati a volte come sinonimi. Ci può dire come li intende lei?

L’intelligenza artificiale è nata alla fine degli anni Cinquanta e il machine learning nasce al suo interno come una delle tecnologie per sviluppare applicazioni di IA. Poi è cresciuta come una disciplina autonoma e si è andata costituendo una comunità scientifica separata da quella dell’IA cosiddetta classica. Ovviamente sono due comunità molto interconnesse, ma non sono identiche. Adesso si parla molto di machine learning perché la disponibilità di dati digitali in grande quantità e di grande capacità di calcolo a basso costo hanno reso possibile sviluppare il machine learning a un livello che vent’anni fa era impensabile. La rivoluzione è in atto dagli anni Novanta, in quel decennio il baricentro dell’IA si è spostata dal paradigma logico al paradigma statistico, cioè quello guidato dai dati. In altre parole, il machine learning è diventato così la maggior tecnologia abilitante per quanto riguarda l’intelligenza artificiale. Sarà sempre così? Difficile dirlo, ma probabilmente no. Per ora usiamo gli strumenti che sappiamo far funzionare meglio e di cui abbiamo una comprensione adeguata.

Quali sono gli obiettivi di ELLIS e come li sta perseguendo?

ELLIS vuole fare in modo che l’Europa tenga i suoi migliori talenti e attragga i migliori da fuori con l’obiettivo che le tecnologie basate sull’IA e sul machine learning in particolare abbiano ricadute sulle imprese e sull’economia europee. Per farlo, ELLIS usa tre strumenti. Il primo è quello delle Unit, una sorta di laboratori di eccellenza. In prima istanza non sono luoghi fisici e il caso di Milano è abbastanza paradigmatico. Tuttavia, a tendere le Unit potrebbero diventare degli ELLIS Institute, dei luoghi fisici in cui i ricercatori della Unit lavorano e collaborano. Questa cosa sta già succedendo in alcuni casi, come per esempio a Tübingen, uno dei maggiori nodi della rete ELLIS. È chiaro che il finanziamento per creare un istituto è di un ordine di grandezza diverso rispetto a quello necessario a mandare avanti una Unit, occorrono decine di milioni di euro che necessitano partneriati tra pubblico e privato. Il secondo strumento è il programma di dottorato europeo che implementa un sistema di matching tra studenti che vogliono fare un dottorato in IA o machine learning e supervisori europei che cercano studenti bravi. Il terzo strumento è quello degli ELLIS fellow, dei ricercatori che si sono distinti nell’ambito del machine learning a livello scientifici, sono attivi nella promozione di ELLIS e offrono il loro tempo e le loro competenza per far funzionare la rete. In questo momento ci sono 380 fellow, mentre la rete totale ha più di 800 membri in 27 paesi. Tra questi 800 ci sono 158 ERC grantee. Continua a leggere su Scienza in rete

Altre notizie

 

Solo il 46% dei più importanti studi sulla biologia del cancro sono riproducibili
Il Reproducibility Project ha ripetuto 50 esperimenti descritti in 23 articoli scientifici pubblicati tra il 2010 e il 2012. Inizialmente aveva pianificato di ripeterne quasi 200 descritti in circa 50 articoli, ma la scarsa descrizione dei protocolli e la poca collaborazione da parte degli autori hanno dimezzato l'impresa, che ha comunque richiesto 197 settimane di lavoro e circa 2,5 milioni di dollari. Alcuni tra gli autori degli studi di cui non è stato possibile riprodurre i risultati criticano l'approccio del progetto: alcuni esperimenti hanno bisogno di più tentativi per riuscire e le procedure andrebbero seguite fino al minimo dettaglio. I coordinatori del Reproducibility Project ribattono dicendo che il loro scopo non era sconfessare questo o quello studio, ma piuttosto quantificare il problema e suggerire possibili soluzioni da adottare in modo sistematico [Nature]

Il nuovo modello di linguaggio naturale di DeepMind batterebbe quelli di OpenAI e Microsoft usando un numero di parametri fino a 25 volte più piccolo
Mercoledì la società londinese di Google specializzata in apprendimento automatico ha pubblicato uno studio che rende conto del suo nuovo modello di Natural Language Processing (NLP), chiamato RETRO. Si distingue dai suoi avversari, come GPT-3 di OpenAI e Megatron-Turing NLG di Microsft, per essere più economico: "solo" 7 miliardi di parametri descrivono la rete neurale profonda che è al suo interno contro i 175 di GPT-3 e i 530 di Megatron-Turing. Considerando 150 test linguistici, RETRO batterebbe i suoi competitor nell'82% dei casi. Il suo 'segreto' è un database di brevi passaggi di testo che l'algoritmo può ricercare mentre genera il testo, risparmiando una parte dell'apprendimento. Questa sua caratteristica da una parte renderebbe più facile l'aggiornamento delle informazioni contenute nel modello dall'altro aiuterebbe la comprensione dei rischi etici connessi al suo utilizzo. Sarebbe infatti più semplice, consultando il database, capire cosa l'algoritmo 'ha appreso' ed escludere i contenuti dannosi o discriminatori [MIT Technology Review]

Come fa TikTok a leggere nel pensiero dei suoi utenti?
Un giornalista del New York Times ha avuto accesso a un documento interno dell'azienda cinese ByteDance, che possiede TikTok, scritto per spiegare ai dipendenti non esperti come funziona l'algoritmo che anima la piattaforma. I suggerimenti agli utenti vengono dati in modo da massimizzare la retention, la probabilità che ritornino, e il tempo speso su TikTok. L'algoritmo, quindi, cerca di creare dipendenza negli utenti e non di offrirgli contenuti rilevanti. Tiene anche in considerazione i 'like' degli utenti, ma cerca di diversificare i suoi suggerimenti per evitare che si annoino e abbandonino la piattaforma. Gli esperti che hanno revisionato il documento hanno commentato dicendo che TikTok sembra utilizzare strumenti di machine learning e approcci abbastanza convenzionali e che probabilmente il suo successo e la sua capacità di 'conoscere' i suoi utenti derivano dalla grande quantità di dati a sua disposizione [The New York Times]

L'università Paris-VII è criticata per non aver agito con decisione contro i professori accusati di molestie sessuali
All'avanguardia negli studi di genere, grazie alla sua unità di ricerca unica in Francia sui temi della discriminazione e della violenza di genere, Paris-VIII sa mettere ordine in casa propria? Per molti studenti e insegnanti, l'università è ancora lontana dal farlo. Tra il 2020 e il 2021 sono state aperte nove indagini disciplinari per altrettanti casi di violenze e molestie di studenti e professori ai danni di altri studenti, ma altre denunce non hanno avuto alcun seguito. Secondo la precedente responsabile per l'uguaglianza di genere, l'università deve investire prima di tutto moralmente in questa missione prima che finanziariamente [Le Monde]

L'efficacia dei vaccini contro Omicron: primi dati dal Regno Unito
L'agenzia di salute pubblica britannica ha pubblicato ieri un rapporto aggiornato sulla variante Omicron. I dati sono ancora preliminari, basati sull'analisi dei poco meno di 700 casi di Omicron rilevati nel paese, ma indicano una riduzione nell'efficacia di due dosi di vaccino nell'evitare il contagio (ancora presto per stimare la protezione dalle forme sintomatiche, quelle gravi e dalla morte) che però ritorna a livelli accettabili dopo la terza dose. Viene osservata trasmissione nella comunità della variante e l'Rt è stimato tra 2 e 5 con valore medio 3,2. Non è ancora chiaro quanto questo aumento sia dovuto a una maggiore capacità della Omicron di evadere la risposta immunitaria dei vaccinati e quanto a un aumento di contagiosità. Per ora non sono stati registrati ricoveri o morti tra i casi di infezione con Omicron, ma è ancora presto per trarre conclusioni [UKHSA]

Si riduce fino al 40% la capacità del sangue di persone vaccinate di neutralizzare Omicron: primi risultati degli esperimenti in vitro
Questa settimana, quattro laboratori hanno reso pubblici i primi risultati degli esperimenti su Omicron. Si tratta di risultati preliminari, poiché hanno studiato il sangue di un numero limitato di soggetti. Tutti confermano una riduzione notevole della capacità di neutralizzazione di Omicron rispetto a quanto si osservava con Delta. Uno degli studi, condotto da Pfizer-BioNTech, ha però mostrato che la capacità di neutralizzazione con sangue di persone che hanno ricevuto la terza dose di vaccino si attesta ai livelli osservati dopo due dosi verso le vecchie varianti del virus [Nature]

---

Aiuta Scienza in Rete a crescere. Il lavoro della redazione, soprattutto in questi momenti di emergenza, è enorme. Attualmente il giornale è interamente sostenuto dall'Editore Zadig, che non ricava alcun utile da questa attività, se non il piacere di fare giornalismo scientifico rigoroso, tempestivo e indipendente. Con il tuo contributo possiamo garantire un futuro a Scienza in Rete.

Ricevi questa email perché hai un'iscrizione attiva alla newsletter di Scienza in rete

Se non vuoi più ricevere la newsletter clicca qui per cancellarti 

Per suggerimenti e commenti scrivi qui