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