{{{sourceTextContent.title}}}

Come l'intelligenza artificiale creerà un "lavoratore aumentato"

{{{sourceTextContent.subTitle}}}

Creata quattro anni fa, Deepomatic è un'azienda francese che sviluppa un software di intelligenza artificiale che permette la creazione di sistemi di riconoscimento delle immagini

{{{sourceTextContent.description}}}

Il loro obiettivo? Creare un "lavoratore potenziato" che possa concentrarsi sui compiti più interessanti e preziosi mentre la macchina gestisce i casi più semplici in cui non è richiesto un alto livello di competenza. L'idea è quella di creare un sistema che permetta la semiautomazione di compiti ripetitivi e visivi con un essere umano alla guida del progetto. Célia Sampol, caporedattore di MedicalExpo e-magazine, ha parlato con Augustin Marty, CEO di Deepomatic.

Tradotto dal francese da Monica Hutchings

Célia Sampol: Lei dice che il riconoscimento delle immagini è la tecnologia di intelligenza artificiale più matura che esista oggi. Perché è così e come funziona?

Augustin Marty: Siamo specializzati nel riconoscimento di immagini e video. Da un punto di vista tecnologico e scientifico, questo è il campo in cui l'intelligenza artificiale ha avuto le scoperte più significative degli ultimi anni. La metodologia consiste nel raccogliere insiemi di dati relativamente grandi, cioè immagini, che arricchiamo con informazioni, come ad esempio localizzare oggetti in un luogo particolare o dire che una particolare immagine corrisponde ad un particolare elemento. Per raggiungere questo obiettivo è necessario che una persona trasferisca parte delle sue competenze alla macchina. Poi recuperiamo queste immagini e le informazioni che le accompagnano e addestriamo una rete di neuroni per imparare il compito su cui stiamo lavorando. Questo ci dà una rete di neuroni specializzati nel compito in questione.

Célia Sampol: Quali immagini utilizzate per addestrare la macchina?

Augustin Marty: Corrispondono ai casi su cui stiamo lavorando. Nel settore medico, ad esempio, lavoriamo principalmente nel campo dell'imaging medico. Abbiamo bisogno dell'input di un medico con un certo livello di competenza che potrà dirci che questo o quell'elemento di un'ecografia corrisponde a questo o quell'organo. Lo facciamo per un gran numero di immagini e poi autonomamente il sistema sarà in grado di dire che su una data immagine si tratta di un dato organo. Grazie alla libreria di conoscenze che il sistema avrà acquisito, sarà in grado di generalizzare tutto questo e di utilizzare queste conoscenze per applicarle alle nuove immagini. Sta imparando per analogia. Possiamo davvero paragonarlo alla formazione di un essere umano; gli insegniamo un gran numero di esempi in modo che possa poi riconoscere da solo elementi su immagini che non ha mai visto prima d'ora.

Célia Sampol: C'è il rischio di errori?

Augustin Marty: Sì, certo, non c'è magia dietro di essa, quindi l'idea è che un essere umano rimane sempre in controllo e consapevole dei limiti del sistema che sta creando. Con il nostro sistema, la previsione che la macchina farà è sempre accompagnata da un livello di fiducia: darà un punteggio che ci dice se è più o meno sicuro della sua interpretazione. Dopo di che, possiamo mettere a punto meccanismi che garantiscano che, quando la macchina non è veramente sicura, possiamo rivolgerci al parere di un medico.

Célia Sampol: Per cosa può essere utilizzato il vostro sistema?

Augustin Marty: In campo medico è essenzialmente un aiuto diagnostico con un medico sempre presente. Questo permette al medico di concentrarsi sui casi più complicati che richiedono una competenza più avanzata, mentre i casi più semplici possono essere lasciati alla macchina e trattati più rapidamente. Ma in questo campo siamo ancora in fase di ricerca e non è ancora utilizzato sui pazienti. La vera sfida in campo medico è l'accesso ai dati dei pazienti, che è logico e comprensibile, ma significa che è difficile avere accesso a una grande quantità di dati. Ma questa tecnologia deve assorbire una grande quantità di dati per poter funzionare.

Célia Sampol: E per cosa può essere utilizzato in altri campi?

Augustin Marty: Oggi, l'applicazione più avanzata su cui stiamo lavorando riguarda i registratori di cassa automatici nel settore della ristorazione istituzionale. In una mensa aziendale, ad esempio, installiamo una o più macchine con telecamere. I clienti arrivano con i loro vassoi pieni delle diverse cose che avranno scelto per il loro pasto. La fotocamera scatta una foto del vassoio e il sistema riconosce automaticamente ciò che c'è su di esso e calcola quanto la persona deve pagare.

Célia Sampol: Ma questo elimina il lavoro umano....

Augustin Marty: Sì, c'è sicuramente un impatto diretto sull'occupazione perché ci sarà bisogno di meno persone per lavorare al registratore di cassa, ma possiamo anche considerare questo come un modo per rendere più fluido il flusso di cassa e di assorbire meglio i picchi di volume, dal momento che tutti vanno a pranzo contemporaneamente. E' possibile aumentare il numero di macchine e adattarsi più facilmente ai picchi di volume. È già stato utilizzato in una decina di ristoranti in Francia e stiamo cercando di svilupparlo altrove.

Nell'industria, stiamo lavorando anche sugli interni delle auto. Per esempio ci sarà una telecamera all'interno delle auto per capire meglio cosa succede all'interno dell'auto e fornire una serie di servizi aggiuntivi che attualmente sono più legati al comfort che a qualsiasi altra cosa. Un esempio tipico è che saremo in grado di rilevare il livello di abbigliamento che una persona sta indossando, sia che si tratti di un uomo o di una donna, nonché il suo livello di attività e di effettuare la regolazione automatica della temperatura all'interno dell'auto di conseguenza.

Per l'industria della sicurezza, saremo in grado di rendere le telecamere di videosorveglianza più intelligenti. Oggi, ci sono molte telecamere installate, ma i teleoperatori non hanno necessariamente la possibilità di guardare tutti i nastri in tempo reale. L'idea è quindi quella di avere un sistema in grado di guardare tutti i video in tempo reale e di emettere un allarme quando rileva comportamenti anomali come un'aggressione, un movimento violento o qualcuno che sviene ed è solo sul pavimento. Come nell'imaging medico, anche questa è una collaborazione tra uomo e macchina, perché alla fine non è la macchina a prendere una decisione, ma l'essere umano che deciderà di allertare i servizi di emergenza o di reagire. Ma porteremo questo o quell'evento all'attenzione dell'essere umano.

Lavoriamo anche nel settore dei trasporti. Tuttavia, per quanto riguarda gli spazi pubblici, ci troviamo di fronte a un grave problema di accesso ai dati personali. L'idea è quindi quella di creare prima di tutto un sistema che renda anonime le immagini video, cioè sfocando le facce di questi video in modo che le applicazioni possano poi rilevare semiautomaticamente i bagagli abbandonati e i comportamenti sospetti, pericolosi o violenti.

Célia Sampol: C'è il rischio che l'uomo venga prima o poi superato dalla macchina che ha creato?

Augustin Marty: Vogliamo creare interfacce molto semplici da usare in modo che i concetti a prima vista molto complicati diventino molto più comprensibili con il nostro strumento. L'idea è che le persone rimangano al timone che guida il progetto, consapevoli dei limiti del sistema che è stato creato. Vogliamo che gli esseri umani siano sempre in grado di capire cosa sta succedendo in modo da poter prendere le decisioni giuste.