Oggi pomeriggio abbiamo incontrato Piero Savastano, giovane data scientist esperto di Intelligenza Artificiale e Big Data, che sta tenendo un ciclo di lezioni sul tema per gli studenti di programmazione del secondo anno di AIV.
Ciao Piero, grazie mille per aver accettato il nostro invito, potresti iniziare facendo una tua breve presentazione? Il tuo background, i tuoi interessi, le tue passioni.
Ho studiato all’università la psicologia sperimentale, che studia il comportamento delle persone da un punto di vista statistico, e in cui si cerca di simulare il tessuto nervoso al computer – le reti neurali. Mi sono avvicinato a questi temi con 15 anni di anticipo rispetto alla moda scoppiata di recente. Successivamente ho intrapreso un dottorato presso il CNR, mai completato perché ho cominciato a lavorare per conto mio. Ho incontrato grandi difficoltà nel proporre le tecniche apprese alle piccole aziende, che all’epoca consideravano l’AI una mera sconosciuta. Nelle grandi aziende l’esperienza ha invece funzionato, in quanto l’ambiente di più ampio respiro le rende più ricettive.
Mi piace la tecnologia applicata all’espressione creativa e alla socialità e ho potuto sperimentarla grazie ai corsi di formazione tenuti presso le aziende e nei fablab.
Vedo nell’AI un forte strumento creativo e la considero una vera e propria espressione di bellezza. Per me scrivere codice è come utilizzare un pennello.
Oltre alla passione per l’Intelligenza Artificiale, ho come hobby il teatro di improvvisazione. Insieme all’associazione romana Teatrate faccio spettacoli e piccole esibizioni in giro per l’Italia, esprimendo in un diverso ambito il mio lato creativo, che potete scoprire anche sul mio canale Youtube.
Potresti parlarci più in dettaglio dell’AI e della sua utilità in termini pratici?
Il termine AI compare per la prima volta fra le due Guerre (1956), mentre si parla di reti neurali già negli anni ‘40 del Novecento. Ci sono stati decenni alternati di interesse e disillusione, per cui si parla di inverni e estati dell’AI.
In relazione al cosiddetto Hype Cycle sviluppato da Gartner, l’AI oggi si trova in una fase di minore visibilità dopo il picco estremo di qualche anno fa, ma con un utilizzo migliore in diversi ambiti, poiché ne sono state comprese le innumerevoli utilità pratiche. Per citarne alcune, l’AI è utilizzata nell’analisi di testi, immagini, video, audio (basti pensare ai vari Alexa, Siri, ecc.), nei motori di suggerimento/raccomandazione (i vari annunci che appaiono su Facebook, Google, ecc. relativi ai nostri principali interessi), in ambito finanziario, nel marketing e così via.
All’interno dell’AI troviamo il Machine Learning, che a partire da grandi quantità di dati, e attraverso una simulazione artificiale dell’apprendimento, permette la costruzione di un programma in grado di automatizzare le decisioni. Si vorrebbe, laddove eticamente fattibile e laddove ci siano dati in abbondanza, far sì che siano le macchine a eseguire compiti anziché le persone. Attualmente si registra un’esplosione di dati e il Machine Learning si inserisce perfettamente in tale contesto.
Continuando a parlare di AI, esiste una AI simbolica (legata ai linked data) e una AI sub simbolica, legata alle reti neurali. Queste due forme di AI, sebbene avversarie in ambito accademico, si prestano per essere combinate a scopo industriale.
Parlando del ciclo di lezioni che stai tenendo in AIV all’interno del corso di Programmazione secondo anno, come si inserisce l’AI in ambito videoludico?
Lato videogiochi, l’AI e soprattutto il Machine Learning costituiscono uno strumento in più per i programmatori e non un sostituto del codice. Nel ciclo di lezioni ho inserito dettagli scientifici, che gli studenti stanno recependo con estrema curiosità ed interesse, ma è soprattutto sull’utilità pratica che cerchiamo di concentrarci.
Il linguaggio che utilizzeremo in classe è Python e il punto di arrivo è costituito dalla creazione di agenti che imparano dall’esperienza all’interno di un mondo virtuale. Detto in parole più semplici, si traduce nel creare un personaggio all’interno di un videogioco, dotato di “intelligenza” propria.
Tale creazione ha dietro un lavoro di Deep Mind (compagnia recentemente acquisita da Google), che ha rinnovato l’interesse nelle tecniche di apprendimento per rinforzo – o reinforcement learning – applicandole proprio ai videogiochi e ai giochi da tavola.
I videogiochi per la loro natura permettono di costruire mondi artificiali, ambienti arbitrari in cui si possono creare applicazioni in grado di avere una utilità a livello scientifico, attraverso la simulazione. E’ proprio l’aspetto simulativo dei videogiochi che li rende ottimi strumenti di ricerca scientifica.
Avendo la possibilità di tornare indietro nel tempo, cosa consiglieresti al giovane Piero (anche se sei ancora oggi giovanissimo)?
Gli direi di considerare di più gli aspetti legati alla politica e all’economia dei dati e di specializzarsi il prima possibile su una nicchia (ad es. su un tipo di dato, verticale d’industria o su uno specifico settore aziendale).
