Elaborato Quaranta Gabriele N46-001425
Transcript
Elaborato Quaranta Gabriele N46-001425
Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica Elaborato finale in Programmazione I Watson e Cognitive Computing Anno Accademico 2015/2016 Candidato: Gabriele Quaranta matr. N46001425 A tutti quelli che mi hanno sempre sostenuto e che mi hanno accompagnato in questa grande esperienza di vita. Indice Introduzione ......................................................................................................................................... 4 Capitolo 1: Watson............................................................................................................................... 7 1.1 Introduzione alla QA ................................................................................................................. 8 1.2 Storia ........................................................................................................................................ 9 1.3 Funzionamento operativo ........................................................................................................ 10 1.4 Hardware e risorse .................................................................................................................. 11 1.5 Watson contro Giocatori Umani .............................................................................................. 12 Capitolo 2: Scienza e Informatica, i campi di applicazione ............................................................... 13 2.1 Impieghi sanitari ..................................................................................................................... 13 2.2 Impieghi Finanziari e Militari ................................................................................................. 15 2.3 Impieghi correnti e futuri ........................................................................................................ 16 Capitolo 3: Chef Watson .................................................................................................................... 18 3.1 Come funziona Chef Watson .................................................................................................. 19 3.2 Cognitive Cooking .................................................................................................................. 20 Conclusioni ........................................................................................................................................ 22 Ringraziamenti ................................................................................................................................... 23 Bibliografia ........................................................................................................................................ 24 3 Introduzione “What makes people and machine work together”. Cosa questa frase possa significare è possibile solo immaginarlo, il presente ed un futuro prossimo molto vicino stanno lavorando incessantemente per una vera e propria ‘nuova frontiera’ della tecnologia. Viviamo in un’era di macchine intelligenti e pensatrici, un’era in cui basta pensare al gap tra le tecnologie di oggi e del ventennio trascorso, quando un semplice Megabyte di memoria di archiviazione poteva sembrare incredibilmente grande, e quanto ora stimando l’ammontare dei dati che condividiamo in rete , non basterebbero 2,5 miliardi di chiavette USB da 1Gigabyte. Un’era in cui due concetti fondamentali hanno invaso la quotidianità di coloro i quali lavorano nei campi dell’informatica e di chi non sapendo di averne a che fare ne fa largo uso : Intelligenza Artificiale , e trattamento dei Big Data. Figura 1 : Cos’è Cognitive Computing 4 Per arrivare al concetto di “Cognitive Computing” c’è da seguire un percorso logico e strutturale che parte dal più grande super computer esistente: il nostro cervello; la mente umana, per quanto sia stata ed è tutt’ore soggetta a profondi studi, elabora percezioni, sensazioni, emozioni azioni e cognizioni. Acquisisce tramite i sensi umani per creare associazioni o astrarne concetti, e può prendere decisioni e/o agire in base alle informazioni acquisite. Cognitive Computing ha l’obiettivo di sviluppare un coerente, unificato e universale meccanismo ispirato dalle capacità della mente umana. Ha un ruolo fondamentale l’Intelligenza Artificiale (AI) che, branca delle scienze cognitive, cerca un approccio sintetizzato e architetturale della mente vista come un computer. In particolare, a partire da un problema, l’obiettivo che si pone l’AI e che riprende la CC consiste proprio nello scegliere cosa sia giusto o sbagliato, astraendo tutte le informazioni estratte, e contestualizzandole in base al campo di utilizzo. I sistemi cognitivi devono essere: Adattivi: Cioè imparare e adattarsi in base ad obiettivi e meccanismi in real-time. Interattivi: Ovvero la capacità di interagire con utenti o altri sistemi facilmente. Contestuali: Cioè conoscere, identificare e astrarre elementi contestuali come se fosse in apprendimento. Questo approccio pressoché scientifico dell’aspetto computazionale viene poi ad unirsi all’aspetto sopracitato del trattamento dei Big Data, ovvero la quantità sempre crescente di informazioni che vanno poi a finire nello sconfinato mondo di Internet , specchio di una società quasi completamente digitalizzata. Ed è per questo che i CC systems, strumenti di analytics avanzati studiati e messi appunto dalla IBM in primis, vanno incontro all’analisi e allo studio di questa mole 5 di dati con l’abilità che li contraddistingue: la capacità di scegliere. Figura 2 : Uomo e Macchina. Tali sistemi sono, in parte oggi, e saranno inoltre in grado di essere addestrati, in grado di apprendere e di affiancare la presenza dell’uomo in ogni campo di applicazione. Nasce così IBM Watson, figlio di un team di ricercatori IBM e figlio dell’evoluzione umana che non frena il desiderio di mettersi in gioco, con l’obiettivo di vincere la sfida con il cervello umano in quanto a velocità, calcolo, decisioni, accuratezza e coerenza. 6 Capitolo 1: Watson Figura 3: IBM Watson e i suoi processori Dal nome del fondatore di IBM Thomas J. Watson, il sistema in questione ha dimostrato di avere una spiccata “intelligenza”, quasi simile a quella umana addirittura vincendo un difficilissimo quiz show americano “Jeopardy!” nel 2011. Risultato grandioso considerando che il quiz era basato su sfumature di significato, ironia, enigmi e quindi peculiarità umane piuttosto che di macchine o computer se vogliamo. Il grande lavoro IBM durato quattro anni in sinergia tra l’altro anche con l’Università di Trento ha permesso lo sviluppo del progetto ed in particolare di ciò su cui è basato: Question Answering(QA). 7 1.1 Introduzione alla QA Figura 4: Architettura alto livello del DeepQA di Watson Il sistema Watson è nato come unione di alcuni aspetti fondamentali: Elaborazione del linguaggio(fase statica): apprendere e comprendere quello che rappresenta l’80% dei dati a livello globale Generazioni e valutazione delle Ipotesi: analisi di livello più alto che permette di pesare e ‘scegliere’ Apprendimento Dinamico: Fase chiave in cui vi è l’apprendimento vero e proprio e dove i vari input vengono accumulati e iterati. Queste caratteristiche fanno sì che si passi da un approccio albero-decisionale, tipico di algoritmi di ricerca e dei moderni sistemi logici, a sistemi probabilistici che evolvono con i rispettivi utenti ed anche il passaggio da una ricerca basata su parole ad uno strumento di conversazioni per la scoperta di risposte confidenti e classificate. QA consiste proprio nello generare risposte in linguaggio naturale di domande 8 generate da utenti umani e tramite un interfaccia testuale o ad immagini vi si fornisce una risposta rapida a più tipologie di domande; Infatti è possibile classificare le stesse domande in: a. Domande di realtà (factoid): circa la cultura generale del mondo con successive risposte True o false. b. Domande sulla credenza soggettiva: con risposte di tipo ‘irrilevanti/inaccettabili’ o ‘rilevanti/accettabili’. Si intuisce subito che la seconda tipologia è quella più vicina alla visione umana e quindi quella più difficile da “riprodurre” digitalmente. Al contrario per le factoid Watson si è rivelato il più avanzato sistema di QA esistente. QA (Question Answering) e in particolare il DeepQA è l’algoritmo per l’analisi del linguaggio complesso; si oppone alla semplice ricerca per documenti perché quest’ultima dalla parola chiave di riferimento poi ritorna le occorrenze o informazioni che presentano tale chiave, mentre il QA analizza il linguaggio di una richiesta sottoposta dall’utente e ritorna una precisa risposta. 1.2 Storia Da un adattamento di un sistema QA, il PIQUANT (Pratical Inteligent Question Answering Technology), nasce Watson nel 2006 e sviluppato per 6 anni da un team di venti persone prime del grande test “Jeopardy!”. Infatti nella prima parte del suo sviluppo ci sono stati notevoli problemi poiché il sistema non riusciva ad avere una buona percentuale di risposte corrette rispetto ad un normale essere umano. Nel 2007 con aggiornamento del firmware(DeepQA) si sono raggiunti valori per cui si poteva competere con la figura umana; tale framework contiene componenti per: analisi della domanda, recupero del contesto e generazione delle risposte candidate e valutazione di risposte. 9 1.3 Funzionamento operativo La prima fase operativa consiste in un lavoro di regressione logistica eseguito tramite analisi delle domande (ESG: English Slot Grammar) e il tipo di risposta lessicale LAT (Lexical Answer Type) che nei casi più difficili costituiscono i punti fondamentali di interpretazione del linguaggio, tanto che Watson ne supporta vari. Tramite l’ESG, implementato nel linguaggio C si riesce a scomporre grammaticalmente la frase tramite albero gerarchico e permette di rilevarne anche errori. Ciò che l’ESG computa viene spedito al componente successivo, il PRISMATIC che verifica il LAT per generare le risposte candidate ed estrarne gli elementi di base (frames) e le relazioni tra gli stessi. La ricerca della risposta avviene tra fonti di testo e documenti tramite i motori di ricerca Indri e Lucene. La verifica successiva avviene tramite il Type Coercion, esso determina se la risposta appartiene allo stesso contesto della domanda stratificando la stessa in sotto-strati analizzati separatamente in più livelli di conoscenza ed estraendo man mano il significato da subroutine. Tramite database locali è possibile il confronto per verificare se è stato centrato l’argomento trattato. Ora generata una lista di possibili risposte candidate viene associato un punteggio per poterle ordinare. Le candidate sono prima passate in parallelo a processi che restituiscono delle evidences e poi analizzate da quattro algoritmi per trovare le effettive scelte tra tutti i candidati. Gli algoritmi che sottopongono le candidate alla scelta sono: Passage Team Match: Misura le occorrenze di una o più parole tramite statistica numerica. Skip-Bigram: Calcolo numero dei termini che condividono semantica e sintassi. Textual Alignement: Quanto la risposta è correlata alla domanda. Logical Form: riesce ad eseguire l’analisi logica delle parole per 10 Il punteggio totale ne rileverà poi la riuscita; di solito si attribuisce un punteggio positivo al secondo, mentre al primo e al terzo positivi per poi confrontarli con l’ultimo. Significato domanda Domanda Possibili risposte Interpretazion e evidenze Ricerca evidenze Risposta Figura 5: Procedimento applicativo 1.4 Hardware e risorse Il sistema è ottimizzato per gestire il carico di lavoro richiesto per generare ipotesi, riconoscere la massima evidenza e analizzare dati, carico enorme solo considerando tutto il lavoro che svolge nelle fasi e sotto-fasi sopracitate, integrando processori POWER 7 estremamente parallelizzati. Da un punto di vista strutturale Watson è composto da una griglia di novanta server IBM Power 750, ciascuno dei quali è equipaggiato con un processore POWER7 ad otto core da 3.5 GHz, con quattro threads per core. In totale il sistema ha 2880 thread di procesori POWER7 e 16 terabytes di RAM. Secondo alcuni scienziati del settore Watson potrebbe in teoria analizzare 500GB di dati, equivalenti ad un milione di libri, addirittura ogni secondo. Il progettista e consulente IBM Tony Pearson ha stimato i costi dell'hardware di Watson in tre milioni di dollari. Tuttavia le sue prestazioni di 80 TeraFLOPs non sono sufficienti per farlo entrare nella lista dei Top 500 SuperComputers. Inoltre tutti i dati sviluppati da Watson in fase di gioco erano stati memorizzati in RAM per evitare perdite di tempo eccessive nel caso di dischi rigidi. Le risorse di cui Watson gode costituiscono enciclopedie, dizionari, tesauri, articoli, lavori letterari, il tutto come detto prima grazie all’uso di database come per esempio DBPedia, o il più famoso YAGO. La particolarità di Watson durante il quiz televisivo che l’ha reso “famoso” ai più, è stata quella di non essere connesso ad internet quindi possiamo dire sia stata tutta farina del suo sacco, considerando ben 4 terabytes di archiviazione. 11 1.5 Watson contro Giocatori Umani Assunto come Watson opera è doveroso il paragone con il ragionamento umano e soprattutto è giusto capire perché nel quiz “Jeopardy!” ha vinto. Generalmente Watson ha difficoltà nel comprendere i contesti delle domande, contesti che gli umani in genere percepiscono in maniera più intuitiva in particolare per domande brevi, tuttavia uno dei punti a favore di Watson è il rispondere solo in caso di certezza in modo da evitare gran parte degli errori che umanamente si commettono per non considerare poi la parentesi psicologica e emotiva che un uomo non può escludere in una competizione, specialmente se essa è incentrata su premi economici. 12 Capitolo 2: Scienza e Informatica, i campi di applicazione La continua evoluzione del digitale unita alla mole di dati in continua fase di crescita costituisce uno degli ambiti per cui Watson è nato e si è evoluto, trovando contesti operativi ben oltre l’immaginario: campo finanziario, burocratico, sanitario, bancario. Gli ultimi mesi della sua vita hanno permesso l’estensione del set di strumenti di big data analytics, mettendo in oltre a disposizione alcune piattaforme cloud come per esempio Watson Discovery Advisor per aprire a sviluppi in ogni ambito da chiunque avesse abbastanza genialità e fantasia per farlo con a disposizione più potenza di calcolo e soprattutto più spazio per la raccolta dati. 2.1 Impieghi sanitari Un progetto così ambizioso trova nel campo sanitario uno degli sbocchi più efficaci e futuristici che in un futuro non molto prossimo significa maggiore sicurezza nella diagnosi, maggiore efficienza e rapidità nelle cure. Certo, stupende prospettive che comunque godono di fondamenta molto solide; la capacità di Watson di apprendere, dedurre, assimilare quantitativi di informazioni che un uomo solo con tanti anni riuscirebbe ad acquisire potrebbero fornire un ampio supporto al personale medico che quindi resta il terminale ultimo del rapporto col paziente, informato al dettaglio tramite il background informativo. 13 2.1.1 Come Watson lavorerebbe Nel trattamento con i pazienti, ad una malattia fisica sottoposta come query al sistema descrivendo sintomi ed altri fattori relativi, Watson innanzitutto sottopone la query stessa ad analisi statica e poi dinamica per analizzare le parti sintattiche fondamentali, cerca i dati relativi al paziente e anche l’ereditarietà circa le patologie che potrebbe contrarre per poter in fine concludere con un’analisi generale ed una prima risposta, in questo caso un ipotesi sulla malattia. 2.1.2 Feedback dal mondo Per quanto non sia stato effettivamente testato se non in ultima fase, cioè nella ricerca della cura o del trattamento, quindi fase a posteriori rispetto alle vere intenzioni circa il funzionamento del sistema, ha suscitato l’interesse di molti nell’approfondire la sua “carriera da computer-medico” nel 2011 grazie alla Columbian University per identificare ambiti critici in cui il sistema avrebbe potuto contribuire, la University of Maryland invece per comprendere come Watson potrebbe aiutare il personale medico. Un anno dopo arriva una sorta di contratto con la Cleveland Clinic per uno sviluppo combinato nei due ambiti sopra-citati. Più recente è il lavoro della Baylor Collage of Medicine che, l’ha impiegato per un ambito specifico, la ricerca sul cancro, per una ricerca più veloce, per trattamenti e piani operativi; l’importante apporto che il sistema può dare lo intuiamo se consideriamo come il sistema scientifico è in costante evoluzione e nella lettura di articoli scientifici che per un uomo impiegherebbe molto tempo, per un dispositivo del genere probabilmente neanche qualche ora. 14 2.2 Impieghi Finanziari e Militari USAA, primo ente a pubblicizzarne l’uso effettivo in commercio, provvede ad un servizio assicurativo, bancario, per investimenti e di ritiro prodotti a dieci milioni e mezzo di militari congedati e operativi, e alle loro famiglie; ente famoso per l’eccezionalità dei loro servizi e per la grande potenza finanziaria. Tale ente sta offrendo il servizio Watson Engagement Advisor agli utenti di USAA per aiutare i militari, uomini e donne alla transizione dallo stato in servizio a quello di civili. Figura 6: Watson e USAA Questo, tramite domande rivolte circa il passaggio dallo stato operativo a quello di civile, risponde, dopo un controllo su un database su migliaia di documenti circa questo argomento, con dei feedback e delle informazioni riguardo chi ha già affrontato tale situazione. Nel particolare la fase iniziale prevede la domanda da parte dell’utente in transizione, come per esempio: Posso rimanere nello stato di riserva per ricevere riconoscimenti da veterano? Per poi rispondere dopo aver confrontato la mole di dati che la banca dati dell’USAA mette a disposizione e allo stesso tempo riesce ad assumere informazioni 15 e ad assimilare esperienza relativamente a quella domanda. Quindi un impiego maturo e di una certa rilevanza considerando il numero di persone a cui è rivolto il servizio e l’impatto sociale in grado di fornire nel “relazionarsi” con più individui apprendendo man mano sempre in più. 2.2.1 Dal lato utente La fruibilità digitale dei beni di consumo ha chiaramente rivoluzionato il mondo delle vendite e in particolare l’interazione tra il venditore, nella gestione di un vero e proprio negozio online e l’utente bersagliato da pubblicità, innumerevoli siti, e tipi di ricezione del prodotto. Infatti una delle priorità dell’utente che investe in questi negozi online è proprio la spedizione personalizzata, il tipo di interazione con il negozio e quindi il modo in cui internet conosce l’individuo. IBM Watson Engagement Advisor trasforma il modo di relazionarsi tra individui e compagnie durante tutta la durata di una relazione, ed usato da entrambe le parti; esso offre servizi di: Aiuto nel comprendere al meglio, tramite la loro storia passata, di cosa i clienti hanno bisogno e le loro aspettative. Impiega del personale dovunque essi siano, in qualsiasi momento qualcuno ne abbia bisogno Ricerca approfondita tramite la mole di documenti presente (Big Data) per cercare prove e informazioni decisionali. Quindi Watson fa leva sui più recenti servizi di Analytics per avvantaggiare i nuovi membri di USAA, tramite informazioni reperite nei più svariati bacini di informazioni per costruire una esperienza personalizzata all’utente. 2.3 Impieghi correnti e futuri Ciò per cui il consiglio generale di Watson ha deciso di lavorare, impieghi legali soprattutto, è poi mutato in utilizzo intensivo da parte di varie compagnie circa telecomunicazioni, servizi finanziari 16 come detto prima, e governativi. Sin dal 2010 l’IBM ha deciso di mettere sul mercato sia i server POWER750 che il cuore vero e proprio del sistema, cioè l’algoritmo DeepQA. Gli anni dal 2013 hanno prodotto impieghi da alcune compagnia per utilizzi embedded, per esempio con applicazioni come “The North Face” che suggerisce consigli per lo shopping online, o ulteriori applicazioni per consigli sul benessere personale; tutto ciò grazie ad alcune API che la stessa IBM mette a disposizione a molti team di ricerca e sviluppatori per evoluzione in questi ambiti. Nel 2014 inoltre vi sono stati due grandi traguardi che Watson e l’IBM hanno raggiunti: un ingente investimento per l’aiuto di paesi dell’Africa sottosviluppati nella risoluzione di problemi di salute ed educazione per le popolazioni del luogo, e inoltre una sorta di contest tra numerose aziende per lo sviluppo di progetti di ecosostenibilità che impiegassero Watson nelle proprie ricerche. Infine un impiego degno di noto, per così dire, in scala ridotta, è quello dei Chatterbot, ovvero dispositivi sempre basati sull’intelligenza del sistema per la comunicazione, tramite audio e testo, simulando un partner umano e quindi concretizzando un vero e proprio dialogo con numerosi impieghi. Dal più istruttivo per un confronto con i bambini nello studio del linguaggio, fino a quello più massivo e malizioso, che tramite le chat room, finestre di dialogo private offerte da alcuni siti, sono in grado di rubare le informazioni di persone che impiegano tali siti per altri fini. 17 Capitolo 3: Chef Watson Uno degli impieghi sicuramente più originali a mio parere, seppur non utile come può essere quello per il campo medico, è il contesto gastronomico. Può sembrar strano affidare ad una tecnologia così evoluta un contesto simile, tuttavia ci sono dei lati molto interessanti che è giusto considerare. La sfida è stata quella di sottoporre a Watson migliaia di ricette per poi testare la capacità di creare nuove idee nell’associare ingredienti che un palato umano per esperienza non potrebbe mai associare, ma che una macchina non dotata di palato può. Previa descrizione delle caratteristiche culinarie di gran parte degli ingredienti Chef Watson ha reso noto, sotto altre veci quello che è il concetto di Cognitive Computing. Figura 7: Presentazione Chef Watson 18 Da una partnership con chef dell’ Institute of Culinary Education(ICE) che hanno sviluppato e testato il sistema prima dell’uscita definitiva nel marzo dello scorso 2014 con la relativa presentazione di un applicazione web, in collaborazione con “Bon Appetit!”. Da allora ha “aiutato” il mondo della cucina e quello più raffinato degli chef nella ricerca di sapori e della novità che la mente umana non avrebbe avuto neanche modo di pensare. 3.1 Come funziona Chef Watson Nel suo sviluppo, Watson ha imparato molto dalle ricette a lui sottoposte durante la fase di apprendimento, conoscendo quindi abbinamenti esistenti tra gli ingredienti, come sono usati in relazione ai sapori e i vari stili di cucina. Assunte queste informazioni è stato in grado di rielaborarle, ridisegnando il concetto di cucina nell’associazione di ingredienti generando uniche combinazioni. Per quanto un uomo abbia numerose intuizioni ma dimostra problemi e limitazioni legate alle esperienza, con questo approccio alternativo si dimostra l’effettiva collaborazione uomo macchina e l’immenso potenziale che ne scaturisce; in più generate le prime nuove esperienze culinarie, lo Chef-bot in questione è riuscito ad apprendere ancor di più tramite i feedback dei suoi primi utenti. Figura 8: Chef Watson web application 19 Proprio nell’applicazione web, inserendo l’ingrediente base da cui poi Watson ne confronterà gli abbinamenti, generano una serie di risposte e ricette. Nell’esempio si sfiderebbe chiunque a poter mai immaginare un Burger alla crema di cocco. Figura 9: Un esempio completo. 3.2 Cognitive Cooking Lo sviluppo durato tre anni di “Chef Watson” tra IBM e ICE ha permesso di estendere l’utilizzo di questo innovativo sistema, non solo come supporto all’uomo come per esempio nei campi finanziari o sanitari come detto prima e quindi che esterna non solo quello che Watson sa fare, ma anche come esso stesso può interagire nella vita di tutti i giorni. Cognitive Cooking rappresenta non solo un insieme di ricette e di associazioni, ma un sistema ben architettato che preleva da un database le informazioni come per tutti gli altri impieghi, focalizzandosi in questo contesto sui tipi di pietanze, sugli stili di cucina, sulla psicologia umana, sul senso del gusto e quindi su cosa l’uomo tende a preferire insieme ai feedback di chef esperti che si sono messi a disposizione per favorirne la crescita. L’abbinamento dei cibi diventa poi la parte più difficile poiché si basa appunto sulla chimica dei sapori e quindi un livello più alto di gastronomia. Quindi lascia la strada aperta ad argomenti affini 20 come per esempio la ricerca sul cancro: infatti come per la ricerca del lato chimico del cibo e quindi quando un ingrediente può star bene con un altro, così sviluppi futuri potrebbero aprire a quegli “abbinamenti” tra molecole che permetterebbero il regredire di questa malattia. Quindi ricapitolando come l’aspetto cognitiva lavora in questo esempio: a) Popola il database: Permettere a “Chef Watson” di avere numerosi riferimenti, in questo caso ricette, di un numero elevato di culture. Fornirgli inoltre gli abbinamenti e i feedback che in primis gli chef sono in grado di dare. b) Nuove ricette: Una volta forniti i dati principali, e una volta creati a livello di codice le associazioni che il sistema internamente deve fare, si fornisce in ingresso l’ingrediente madre. Tale ingrediente sarà sottoposto ad analisi statica, in modo da trovare nel database tutte le ricette che prevedono tale ingrediente; in più tutti gli abbinamenti legati al gusto(quindi l’aspetto chimico). c) Apprendimento: La fase finale, ciclica per tutti i sistemi cognitivi, consiste nell’apprendere dagli utenti quanto per esempio una ricetta sia gradita e da quale cultura l’utente proviene. Queste due informazioni apparentemente innocue permettono di creare internamente allo “chef” un mapping di dove alcune ricette e alcuni abbinamenti sono più gettonati e quindi permette un accumulo per le future richieste. 21 Conclusioni In definitiva abbiamo riscontrato di come tali sistemi cognitivi riescano perfettamente a rappresentare le esigenze della società moderna in quanto a tecniche avanzate e metodologie di applicazione. Dai campi applicativi più disparati si evince un unico fattore comune: il supporto e la precisione delle macchine. L’era delle macchine che solo i grandi film d’autore prevedevano sta per arrivare, e con essa sistemi sempre più intelligente in grado di aiutare l’utente in una ricerca generica, nella ricetta perfetta, negli impieghi post lavorativi, nel supporto a medici e operatori governativi. La cosa ancora più interessante è che il sistema in generale si trova ad uno stato evolutivo ancora intermedio, e che quindi, anche grazie alla messa a disposizione di API da parte di IBM, permette ai più lo sviluppo personalizzato. Non esistono ancora macchine del tutto intelligenti, ne probabilmente esisteranno tra qualche anno, proprio perché mappare la mente umana è qualcosa di inconcepibile proprio perché neanche in ambito medico la si conosce del tutto, tuttavia gli sforzi che hanno portato ai risultati più recenti sono di gran lunga inaspettati e lasciano dunque la possibilità di ingenti sviluppi futuri. 22 Ringraziamenti Ciò che è stato per me questo traguardo può essere sintetizzato in poche parole. Traguardo che seppur breve rispetto a quanto potrebbe essere un grande impiego lavorativo o studi specialistici ha rappresentato per me, al dilà delle difficoltà che tutti gli studenti in questi campi affrontano, alcuni anni di maturazione mentale soprattutto. L’abilità nel vivere la vita universitaria non sotto stress e quindi lontano da pressioni è la cosa che più mi ha aiutato, nonostante alcuni mesi siano stati molto difficili per me. Traguardo che ho potuto realizzare grazie al supporto morale ma soprattutto materiale della mia famiglia, che non ha mai esitato nell’assistermi. La cosa di cui più sono fiero è che ho fatto tutto con le mie forze, seppur con fatica e qualche incidente di percorso. Infine ma non meno importante è l’aver conosciuto compagni di viaggio che condividono con me un servizio di car sharing e amici che hanno condiviso con me questi anni. 23 Bibliografia [1] Cognitive Computing – Article by Dharmendra,S.Modha,Anthony Ndirango. [2] Cognitive Computing – Wikipedia http://en.wikipedia.org/wiki/CognitiveComputing 01/11/15 [3] La nuova frontiera del cognitive computing – Wired [4] What's The Future Of Cognitive Computing? IBM Watson – IBM article [5] USAA and Watson – IBM USA [6] IBM Chef Watson: A Metaphor for Discovery – IMB USA [7] Watson & Cognitive Computing – Il sole 24 Ore, di Patrizia Ceraveo [8] IBM’s Watson does some culinary computing for its first cookbook – Gizmag article by David Szondy 24