La blockchain superare sfide e limiti dell’IA

PwC stima che l’IA aggiungerà $15,7 trilioni all’economia mondiale entro il 2030. IBM prevede che il contributo della tecnologia blockchain avrà raggiunto $3,1 trilioni per quell’anno.

Chiaramente, entrambe le tecnologie hanno tutto il potenziale per essere estremamente preziose. Ancora più intrigante è la loro convergenza. Attualmente possiamo dire che l’avvento della blockchain ha sicuramente rivoluzionato l’IA.

In questo articolo, vedremo perché l’IA di oggi è limitata. Come la blockchain può aiutare a migliorarla e quali sono le implicazioni di vasta portata per tutti noi.

Tre problemi che limitano l’IA moderna

L’intelligenza artificiale si basa principalmente sull’apprendimento automatico. Una tecnologia che consente al sistema software di apprendere modelli analizzando grandi quantità di dati. Le reti neurali artificiali sono il sottoinsieme più noto di tali modelli. I progressi nell’apprendimento automatico consentono di svolgere attività che erano considerate fantascienza.

L’apprendimento automatico soffre ancora tre problematiche da risolvere che ostacolano lo sviluppo dell’IA.

Il problema della Black Box

Le reti di deep learning sono i modelli di apprendimento automatico più potenti ma allo stesso tempo meno comprensibili. Una rete profonda è costituita da migliaia o persino milioni di nodi raggruppati in più livelli connessi: un livello di input, un livello di output e diversi livelli nascosti.

Ogni nodo può essere paragonato ad un interruttore a rotazione che può essere posizionato in centinaia di posizioni chiamate pesi. Quando diciamo che una rete “impara”, intendiamo il processo per cui i nodi si posizionano in modo tale da produrre i giusti risultati nel suo livello di output.

Quando un data scientist crea e forma una rete neurale, conosce l’input (i dati che sono stati immessi nella rete) e l’output (i risultati prodotti dalla rete). Ad esempio, alla rete è stata fornita una serie di immagini etichettate di cani e gatti. Dopo il training, possiamo vedere che la rete può distinguere un cane da un gatto in un’immagine casuale che non ha mai “visto” prima con una precisione del 98%. Ma perché è stata proprio questa configurazione dei pesi dei nodi che ha permesso alla rete di ottenere questo risultato? E qual è la ragione del resto il 2% dei fallimenti?

Sembra che non possiamo ancora rispondere a queste domande di sicuro. E questo è chiamato il problema della black box (scatola nera) dell’apprendimento automatico e dell’intelligenza artificiale.

Alcuni data scientist sostengono che esistono tecniche che ci consentono di estrarre una logica complessa dalle reti neurali, ma sono ancora lontani dal fornire risposte chiare come “il cliente X ha un punteggio di credito di 650 per questo e per questi motivi”.

Il problema della black box rallenta l’adozione dell’IA nella maggior parte dei settori in cui il costo di un errore può essere immenso, come l’assistenza sanitaria o la difesa.

Dati insufficienti e inaffidabili

Una rete neurale è veritiere e valida in base ai dati da cui ha appreso. Ecco perché questi dati dovrebbero soddisfare molteplici requisiti di qualità e quantità, il che può essere difficile da bilanciare in molti casi. Una rete addestrata su una quantità insufficiente di dati avrà una bassa precisione, mentre una rete appresa su dati inaffidabili sarà distorta.

Ad esempio, un sistema di intelligenza artificiale che ha analizzato centinaia di migliaia di articoli ha imparato a vedere le parole ‘vittima’ e ‘donna’ come sinonimi (piuttosto, a causa dei molti dati ottenuti). Il motivo era che i dati stessi erano imperfetti: venivano presi da tabloid in cui le donne apparivano troppo spesso vittime di vari crimini.

Overfitting

Questo problema si sovrappone a quello precedente. Quando una rete neurale riceve troppi dati, inizia a trovare schemi casuali che non hanno significato e portano a conclusioni errate. Di conseguenza, il sistema di intelligenza artificiale funziona bene su dati storici ma inizia a fare previsioni errate su nuovi dati. In termini matematici, overfitting significa che l’IA ha la tendenza a trascurare i punti di dati fuori curva.

Un esempio di overfitting può essere un sistema di valutazione del credito basato sull’intelligenza artificiale che assegna punteggi più alti a coloro che indossano la barba o hanno un SSN a partire da 6.

La parte peggiore dell’overfitting è che i data scientist a volte lo introducono intenzionalmente. Un modello sovradimensionato può mostrare risultati impressionanti su dati storici, che consente ad esempio di vincere concorsi di apprendimento automatico. In questo modo, i data scientist sono in qualche modo incentivati a sovvertire i loro modelli poiché le loro prestazioni non sono valutate in modo prospettico.

In che modo la Blockchain può aiutarci a “risolvere” l’IA?

La blockchain è come un libro mastro immutabile condiviso da più parti tramite una rete distribuita. In altre parole, è un modo per condividere record di tutti gli eventi passati utilizzando un database decentralizzato.

IA e blockchain si basano su concetti polari. Uno centralizza e analizza grandi quantità di dati, l’altro è intrinsecamente decentralizzato. Uno soffre del problema della scatola nera, l’altro è completamente trasparente. E così via. Quindi, come possiamo combinarli con successo per far fronte alle sfide dell’IA?

Gli sviluppatori di Blockchain di Itransition non possono vedere un modo immediato per integrare le due tecnologie in un’unica soluzione chimerica. Ma possiamo sostenere che la blockchain potrebbe aiutare a risolvere alcuni problemi dell’IA. Ecco come.

Blockchain e il problema della black box

Il sistema della blockchain può fornire record immutabili e trasparenti di tutte le decisioni IA. Vedere come ciascuna decisione specifica è stata presa consentirà agli operatori umani di individuare casi in cui devono essere coinvolti e di evidenziare le aree in cui l’IA non riesce. Con una migliore comprensione del processo decisionale dell’IA, gli ingegneri saranno in grado di creare modelli e sistemi di intelligenza artificiale più affidabili basati sulla blockchain.

La Blockchain non risolverà il problema della black box in quanto tale, ma ci aiuterà a far fronte ai risultati e a rendere i sistemi di intelligenza artificiale più prevedibili.

Blockchain e affidabilità dei dati

La blockchain convalida tutti i dati per impostazione predefinita. I dati presi da questi sistemi possono essere attendibili. Inoltre, questi dati sono già anonimizzati, il che significa potenzialmente più dati disponibili per l’analisi. In questo modo, grazie alla blockchain, sia la qualità che la quantità dei dati migliorano, riducendo la probabilità di errori.

Blockchain e overfitting

La startup Numerai ha proposto una soluzione al problema di overfitting. Hanno creato il token Numeraire. Dovrebbe fungere da incentivo per i data scientist per creare modelli che si comportano bene su nuovi dati.

L’idea è che i data scientist competeranno puntando Numerarie sulle previsioni dei loro modelli. La loro ricompensa dipenderà dalla correttezza di queste previsioni. Ciò consentirà un’analisi prospettica piuttosto che retrospettiva delle prestazioni dei sistemi di IA. Eliminando così la tentazione di ribaltare un modello per vincere una competizione.

Niente di tutto ciò significa che la tecnologia blockchain arriverà e risolverà tutti i problemi attuali dell’IA. Ma può certamente rompere alcune delle barriere che trattengono l’IA.

Nel frattempo i progressi dell’IA sono continui e tutti ci domandiamo fin dove si spingeranno.

Noi di CRMpartners siamo specializzati nell’adozione e nell’implementazione di soluzioni potenziate da IA che aiutano le aziende ad affrontare il processo di Digital Transformation.

>> APPROFONDISCI I NOSTRI SISTEMI POTENZIATI DA IA <<