Apple lavora sull'intelligenza artificiale: le novità

Di solito Apple non condivide informazioni sui progetti ai quali sta lavorando. Questa volta, però, la società di Cupertino ha fatto un’eccezione e ha pubblicato uno studio in cui presenta alcune metodologie per l'”addestramento” di una intelligenza artificiale.

Il documento, redatto da diversi ricercatori Apple, alcuni dei quali docenti in ambito accademico, pone l’accento sull’addestramenti dell’intelligenza artificiale mediante utilizzo di immagini generate da un computer e non provenienti dal mondo reale.

L’apprendimento automatico (in inglese machine learning) è più semplice da porre in essere utilizzando una serie di immagini di sintesi (dette anche immagini sintetiche).
Un’immagine di sintesi è appunto quella generata dal computer unendo (“sintetizzando”) elementi preordinati che la compongono o la descrivono.
Poiché gli elementi che permettono di produrre un’immagine di sintesi sono già “etichettati” e descritti, il loro utilizzo rende più semplici le attività di machine learning. Le immagini provenienti dal mondo reale, invece, richiedono che qualcuno le descriva in modo esaustivo chiarendo quali oggetti appaiono in ciascuna foto (un albero, un cane, un gatto, una bicicletta, un’automobile,…).

Il problema delle immagini sintetiche, però, sta nel fatto che talvolta l’intelligenza artificiale prende in considerazione dettagli presenti solamente in tali immagini e che quindi non trovano corrispondenza con il reale.

Per superare queste difficoltà, Apple propone l’utilizzo di un algoritmo Simulated+Unsupervised che consente di migliorare il realismo di un’immagine sintetica. La società di Cupertino sta provando a utilizzare una versione modificata di una nuova tecnica di machine learning chiamata Generative Adversarial Networks.
Essa prevede l’utilizzo di due reti neurali che, in senso lato, sono “in competizione” tra loro.
Partendo da un insieme di immagini, un generatore cerca di creare immagini che sono simili a quelle del dataset di partenza mentre un classificatore prova a stabilire quali sono le immagini “originali” e quali invece sono state generate dal computer.
Il concetto è evidentemente quello di istruire l’intelligenza artificiale capace di creare quella che potremmo chiamare un’imperfezione genuina, un’immagine generata dal computer che può essere tranquillamente sovrapponibile a una foto reale e che può risultare non solo convincente per un algoritmo di machine learning ma anche per l’occhio umano.