Intelligenza artificiale
Incorpora video
Intelligenza artificiale
I progressi dell’intelligenza artificiale rendono più facili e a buon mercato le previsioni: con quali effetti sulle organizzazioni economiche e sulla società?
buongiorno e benvenuti e io mi chiamo massimo zancanaro sono ricercatore alla fondazione bruno pensa e oggi sono qui per presentarvi il nostro ospite di stamattina professore abi con il professor igor un economista il segnale rotman school of management e deve stare toronto e è un accademico quindi principalmente e ha lavorato anche al national bureau of economic research e del camera e collabora anche però con un centro all'interno della sari toronto e che ha l'obiettivo di incubare e aiutare le aziende di giovani ricercatori o di persone nell'ambito dell'artefice mentale di gest questo centro si chiama creative destruction label e questa sua esperienza di lavoro delle aziende ha poi portato 600 artificiale l'ha portato a scrivere un libro molto interessante che appena uscito sia prediction machines e in cui gli aspetti principali di cui si parlerà anche nella sua talk è che l'aspetto principale delle iaia e quello della predizione di poter fare predizioni e predizione non in senso magico ma usando i dati e la produzione significa ridurre l'incertezza in questo modo la predizione automatiche diventano diventano chip diventano che costano poco e la cosa interessante secondo me di questo libro e che spero questo ci aiuterà a illustrerà in modo molto più dettagliato è quello che in modo non banale riducendo il costo della predizione non solo si riduce la 16a di togliere lavoro.la persone che fanno questo lavoro ma al contrario in molti casi aumentando il valore dell'altra parte che viene chiamata judgement giudizio né decision making nella parte di decisione e può cambiare totalmente il modo di fare alcuni tipi di business e questo da modi diversi di intendere il business sanitario di un'azienda e paradossalmente rispetto a quello che si dice si sente dire in modo molto superficiale il sì senza artificiale non necessariamente a porta a diminuire i posti di lavoro ma può aumentare il valore di altri aspetti della catena di valore e quindi creare nuovi posti lavoro creare nuove opportunità detto questo io lascerei la parola al nostro ospite ai buongiorno questa mia presentazione si basa sul libro che ho pubblicato e con il lavoro che ho fatto con ai giornali e shawn allora alla base di tutto questo è questo entusiasmo che abbiamo attorno a questa tecnologia cioè abbiamo la sensazione che l'intelligenza artificiale abbia un potere trasformativo e possa addirittura cambiare tutto al tempo stesso però c'è anche un po di ansia cioè le macchine sono intelligenti e allora io come essere umano che cosa sono ora se noi esseri umani abbiamo queste macchine intelligenze che cosa insomma ci distingue poi no dalle macchine per cui potremmo non essere in grado di accettare le macchine che sono più intelligenti di noi alla base di tutto questo c'è anche un po di confusione rispetto a quello che stiamo vivendo cioè che cosa è l'intelligenza artificiale ora dal punto di vista è ottimistico abbiamo sud di via che è una ruota che può fare qualsiasi cosa che gli esseri umani sono in grado di fare è sostanzialmente intelligente con una eccezione quando appunto riceve istruzioni e ascolta e gli orli fossimo soltanto bravi in questo senso e poi abbiamo una macchina che è molto simile agli esseri umani l'alternativa o il tipo di alternativa chi è il tredicenne teatri ciale che vediamo appunto nella stampa o nel film esca lynette dove abbiamo una macchina che è molto intelligente che non deve più ascoltare gli esseri umani necessariamente per fare quello che devono fare il che non è poi così positivo onestamente io non credo che le macchine di intelligenza artificiale siano folli però è importante capire che non hanno a che fare con la tecnologia che genera poi l'entusiasmo di cui parliamo nel 2018 quando parliamo dell'intelligenza artificiale parliamo dell'intelligenza artificiale oggi per via del progresso di una scienza particolare e cioè le machine veroli e il potere delle macchine che fanno predizioni quando parliamo di intelligenza sociale nel contesto delle aziende di un governo non dobbiamo parlare pensare le macchine pensiamo alla tecnologia di predizione la predizione diventata più rapida meno costosa di quanto non fosse accaduto in passato ora questo sembra essere banale però vale la pena di ricordare che la predizioni economiche possono essere molto trasformative torniamo al passato un secondo questa è la tecnologia che noi abbiamo studiato e cioè l'internet se ci guardiamo attorno qui in questa sala e forse meta di voi si ricorderanno del 1995 il 1995 è stato un anno veramente molto entusiasmante no per la tecnologia è stato l'anno in effetti in cui abbiamo visto l'ultima parte dell'internet pubblica che è stata poi privatizzata la parte che è stata privatizzata con un processo appunto di quotazione in borsa ha portato a un'azienda che voleva poi un miliardo di dollari questa azienda disse il futuro della nostra azienda è l'internet se fosse stato appunto microsoft per fare una cosa del genere avrebbe detto anche maicon so che il nostro futuro è proprio internet nel corso del tempo abbiamo visto sempre di più crescere l'entusiasmo nel 96 97 e nel 98 le persone hanno smesso in qualche modo di parlare di sé nuove tecnologie ma hanno iniziato a parlare di nuova economia e il cambiamento era veramente ricco di processi trasformativi e alla fine non eravamo più costretti a leggere i vecchi libri di testo perché c'era qualcosa che era veramente è in grado di trasformare tutto c'era qualcuno a quell'ora che disse che non si trattava di una nuova economia e questo gruppo di persone erano gli economisti che ci dicevano no è sempre economia la possiamo capire in modo diverso sta trasformandosi ma le cose sono diventate meno costose e quando le cose meno costosa ma queste cose vengono sempre fatte più spesso e questo può portare alle trasformazioni che ne so in internet possiamo dire la comunicazione è diventata meno costosa e la replicazione diventata meno costosa se capiamo questo possiamo in grado siamo in grado anche di capire quelle che sono le conseguenze cosa significa ad esempio replicare in modo meno costoso significa che ad un certo punto è copyright no diventano sempre più semplici da gestire allora a questo punto come possiamo comprendere quelli che sono i cambiamenti che questo tipo di tecnologia ha portato e porta pensiamo a un'altra generazione di tecnologia il computer e i semiconduttori cosa fanno i vostri computer insomma alla fine a mente questi computer potenti laptop riportato in giro che cosa fanno però fanno una cosa e noi come economisti tendiamo a pensare a un qualcosa che porta ad un abbassamento dei costi il computer rendono qualcosa meno costoso solo perché abbiamo un costo dell'aritmetica dei calcoli aritmetici sono scesi proprio come costo ed è questo che fa il computer quando i trampolieri mitici diventano veramente economici alla fine abbiamo tutta una serie di applicazioni di largo e ti faccio prima non riuscivamo nemmeno a pensare se noi pensiamo al corso di economia buono guana degli stati uniti ora è lì si studiano sempre le curve della domanda quando i costi scendono sale la domanda quando i prezzi scendono la l'uso dell'aritmetica dei calcoli aritmetici tendono ad esplodere ora ma è la stessa cosa la possiamo dire anche per quello che riguarda gli esseri umani e l'uso che fanno dell'aritmetica nella seconda guerra mondiale a quanti nelle guerre successive utilizzavano appunto i cannoni e è difficile però cercare di capire dove devono essere mandate le panne dei cannoni per questi utilizzano i calcoli aritmetici quando abbiamo gruppi di esseri umani il cui compito era molto simile a quello del computer c'erano calcolare con le tabelle di fuoco per calcolare dove andare le pale dei veli e cannoni ad un certo punto sono arrivati i computer e le macchine ea quel punto il costo di questo calcolo diventato più economico meno costoso il calcolo e la matematica aritmetico si è ridotto proprio come prezzo c'è poi un'altra classe di calcoli ad esempio la contabilità avevano contabili non facevano altro che fare calcoli se vedete il lavoro dei contabili nel 1950 nel 1960 che cosa facevano non facevano altro che addizionare colonne di numeri oggi non lo fanno più lo fanno le macchine perché martin escludo di fare questo tipo di compito in modo meno costoso e questo ci dà proprio il senso di dove stanno andando le cose non è che i contabili sono spariti esistono ancora ma non vanno tuoi calcoli le persone che erano le migliori a fare i calcoli matematici o arit medici si sono poi rivelate le persone più brave a cercare di capire come calcola radiosei luce o il carico fiscale piuttosto che le strategie in azienda per cui certo abbiamo calcoli e alchimie che costano molto poco il contabile non fanno più questo mai contabile ancora esistono a questo punto abbiamo visto tutta una serie di applicazioni in natura aritmetica di cui prima insomma non si poteva nemmeno pensare noi tutti non abbiamo mai pensato ad esempio ai giochi al mail o alle immagini o alla musica come un problema aritmetico abbiamo pensato che fosse un problema di comunicazione come non matematica ora quando il tappo ermetico ha visto scendere i propri costi siamo resi conto che anche queste applicazioni alla base hanno in capo la ri medico per cui nella video in generale quando il prezzo scende tendiamo a fare quella cosa sempre più spesso nel corso del tempo se il cambiamento è in grado di trasformare le cose troviamo poi nuovi utilizzi di quelle applicazioni dico prima non avremmo mai pensato pensate questo questa è una presentazione di una rete neurale con voluzione una delle tecnologie che è la base dell'entusiasmo nella intelligenza artificiale questa è tecnologia di predizione quando parla i primi di petizioni parlo di brizioli in senso statistico cioè utilizzare informazioni che abbiamo per cercare di riempire il vuoto informativo che non abbiamo la predizione non dire ci sarà mente essere legate al passato poi se legate al presente e al passato si tratta di utilizzare informazioni sappiamo qualcosa che vogliamo sapere qualcos'altro utilizziamo i dati che abbiamo per cercare di riempire quel vuoto informativo che ci consente poi li conosce qualcosa di nuovo e le predizioni sono veramente molto importanti se pensiamo a questo tipo di cambiamenti abbiamo lo stesso grafico e cioè abbiamo in questo caso il prezzo il costo delle predizioni che è si riduce punti vista economico è la stessa cosa per cui costi scendere la domanda sale scendono i costi delle predizioni e faremo sempre più tradizioni così come il calcolo aritmetico le prime applicazioni sulle previsioni sono cose che sostanzialmente facevamo già prima penso si va in banca e vogliamo un prestito o un modulo e la banca deve in qualche modo cercare di capire se voi riuscirete a ripe d'arco il prestito questo è un problema di predizione che ormai a centinaia se non migliaia di anni oggi utilizziamo il cosiddetto machine droni per fare questo tipo di predizione lo stesso vale per il settore assicurativo volete un assicurazione una copertura assicurativa la società deve fare un calcolo no sulle possibilità che voi abbiate un incidente e deve cercare quanto costerà a coprire quell'incidente le compagnie assicurative hanno sostanzialmente un problema di predizione erotici utilizziamo sempre di più il machine learning e l'intelligenza artificiale per andare a comprare a coprire quel vuoto informativo per ottenere quei dati che oggi non abbiamo man mano che scendono i costi avremo sempre più applicazioni che si occuperanno appunto di risolvere problemi di tradizione è un po come no diciamo prima l'aritmetica abbiamo visto anche che la diagnosi medica è un problema di predizioni cosa fa un medico quando voi andate a fare una visita beh si occupa di raccogliere quelli che sono i sintomi e va a riempire poi i vuoti informativi circa le cause di quei sintomi piuttosto che la classificazione un riconoscimento degli oggetti o riconoscimento visivo anche questo è un problema di posizione allora come facciano a riconoscere arrivo insegnare ai miei occhi metto tutto in un contesto associa magari il tutto ha un nome e vado a riempire quei vuoti informativi quei dati che mi mancano e alla fine riesco a dare appunto un nome la persona che ho di fronte o un viso alla persona di fronte ora man mano che scende il costo delle predizioni dobbiamo iniziare a riformulare problemi che sostanzialmente nulla hanno a che fare con le predizioni che ne sono una macchina senza conducente è stata riformulata questa come un problema di e predizione ovviamente noi quando siamo in matrix stranieri di autisti anche un po folli dobbiamo prevedere che cosa faranno ma grazie appunto alle grandi progressi delle auto senza conducente ovviamente dobbiamo saper dire alla macchina che cosa fare e dobbiamo dire alla macchina di essere in grado di predire che cosa farà l'essere umano abbiamo cioè un macchina che sostanzialmente ha analizzato migliaia e migliaia di ore di guida e ad un certo punto si dice questa è la situazione cosa farebbe un essere umano in questa situazione deve essere in grado di prendere vedere che cosa è l'essere umano farà in quella situazione è tutta una serie di esempi di situazioni vengono apposta per comprendere questo problema una volta compreso questo ci rendiamo conto che l'azione alla base del dei dati che ci servono diventano sostanzialmente problemi di predizione di si vedrà tutta una serie di opportunità e tra l'altro questo è un qualcosa che è iniziato solo da qualche anno ecco perché c'è grande entusiasmo attorno questa cosa ora per c'è poi la predizione ha un suo valore certo c'è molta tecnologia ma perché noi pensiamo che questo tipo di aspetto c'è l'abolizione sia importante anche per le tecnologie anche quelle che abbiamo usato in passato la predizione è utile perché rappresenta un input all'interno del processo decisionale e il processo decisionale è ovunque facciamo sempre prendiamo sempre decisioni che tipo di lavoro devo fare quando vado in tensioni mi devo sposare devo fare dei figli insomma e poi facciamo anche delle decisioni piccole migliore per la faccia devo scrivere questa cosa insomma queste cose non prendiamo decisioni importanti e meno importanti sempre ogni singola decisione a un elemento di predizione ma la cosa importante è che la predizione non è simile alla decisione o al processo decisionale e ma è un in cui all'interno del processo decisionale allora come cerchiamo di comprendere questo perché questo poi è importante pensiamo che una volta all economia 101 quando il prezzo del caffè scende acquistiamo obbediamo più caffè questo l'abbiamo imparato il primo giorno al prima lezione di economia poi quando il prezzo del caffè scende acquistiamo meno te che è un elemento di sostituzione quando a punto abbiamo un qualcosa che qui costo scende un qualcosa di alternativo tende a sparire o la domanda tende a ridursi il castello diventa meno costosa stiamo meno te un'altra cosa che potreste forse ricordare dal primo giorno del corso di economia che avete fatto è che quando il prezzo del caffè scende acquistiamo più latte che più zucchero quando il prezzo del caffè shane degli elementi complementari e stanno attorno al caffè tendono ad assumere maggiore al valore per cui quando parliamo di predizione né con le macchine dobbiamo cercare di capire che cosa diventa più importante che cosa ha più valore in questo caso quando il resto del caffè scende in questo caso abbiamo per comprendere spacchettare un po il processo decisionale per cui abbiamo la predizione al centro su questo grafico non deve necessariamente essere al centro ma qui lo mettiamo al centro questi dati che noi abbiamo raccolto poi abbiamo un input sono appunto i dati per un'azione perché non ha senso fare la petizione se poi non facciamo qualcosa perché insomma alla fine quell'azione è importante e poi la cosa forse importante è questa idea del giudizio la capacità per ogni giudizio il giudizio è proprio alla valutazione cerca di capire quali sono gli elementi positivi legati a una particolare azione cioè sapere che tipo di predizione fare e sapere poi che cosa farne con quella predizione vediamo ora un esempio con un altro film non so se avete visto ai robot l'avete visto non era un granché come film si un ha detto che l'ha visto c'è una scena però nel film che secondo me è importante per comprendere questa scena questo questa idea è la scena di un flashback will smith è protagonista sta guidando in macchina con un piccola bambina per una qualsiasi ragione la macchina va giù da un ponte è chiaro che a quel punto potrebbero annegare certo punto arriva un robot e salvo a will smith e non la bambina la domanda è perché robot salva smith beh se capisce che il robot a me ha fatto una predizione will smith aveva la priorità di salvarsi ancora 10 per cento la bambina solo dell'uno dell'undici per cento il robot salva smith perché ovviamente questa vita aveva una maggiore probabilità di sopravvivere a will smith nel film e crede che questa fosse stata la decisione sbagliata e dice un essere umano avrebbe salvato della bambina quella bambina è figlia di qualcuno è un essere umano l'avrebbe saputo ecco questo è la capacità di giudizio cioè sta in grado di capire il vantaggio legato proprio alla predizione apparizione non è sufficiente per prendere una decisione ma bisogna anche applicarla che c'era del giudizio cioè vale la pena questo caso di salvare la bambina a will smith ad un certo punto però la probabilità della sopravvivenza di questa bambina potrebbe essere bassa 2 per cento 1 per cento e will smith e qualsiasi essere umano potrebbe anche giungere alla conclusione di dire è giusto salvare west mills noi prendiamo la decisione perché siamo in grado di unire le predizioni e la capacità di giudizio centro siamo così bravi a capire quali sono i vantaggi e i benefici nella maggior parte noi prendiamo poi decisioni ea volte non ci interessa tanto magari 15 sono il solo così importanti ma quando si lavora con le macchine bisogna investire molto per cercare di capire che cosa importante un singolo individuo e o per un'azienda e lì insomma ci vogliono competenze importanti per poter lavorare con queste macchine per cui la capacità di giudizio la capacità di essere in grado di comprendere i benefici legati a una azione in particolare mauriani sa bene e gli strumenti adesso che cosa facciamo con questi strumenti disponiamo di questa tecnologia di predizione perché è utile come viene utilizzata all'interno di un'azienda ad esempio i titoli che leggiamo nella stampa sono questi no qui per esempio dice goldman sachs passa all'automazione e passando l'automazione in passato avevano 600 trader no nella sala di contrattazione e adesso li hanno solo due questo titolo secondo me è altamente fuorviante goldman sachs ancora a tantissimi dipendenti e sulla base dei numeri probabilmente hanno molte più dipendenti adesso di quanto non avevano 600 trader fatto è che hanno letteralmente spacchettato scomposto il flusso di lavoro cioè all'interno del flusso il lavoro sono andati a capire dove poter introdurre una macchina di predizione per capire quali compiti potessero essere svolti in maniera automatizzata spostando gli esseri umani in su altre parti del flusso il lavoro ad esempio non so il processo di quotazione in borsa dell'azienda lo possiamo rendere più efficiente come possiamo fare appunto una quotazione in borsa in maniera più efficiente come fece entrare questo processo in una quotazione in borsa ci sono 146 passaggi moltissimi e si potrebbe dire dal 132 in poi potremo utilizzare una macchina è una macchina che fa predizioni perché potrebbe gestire molto più efficacemente questo processo per cui gli esseri umani che si occupavano di questi passaggi verrebbero spostati da qualche altra parte magari ci sono altri passaggi in questo processo che diventano invece più importanti aumenta il loro valore per cui l'effetto finale sulla occupazione di goldman sachs ovviamente non cambia potrebbe essere positivo invece che negativo addirittura aggiungere posti di lavoro a volte però il calo all abbassamento del costo di qualche cosa va a modificare letteralmente la struttura di un'azienda può modificarne la strategia se ci pensate un attimo pensate la ricerca nel 90 chi aveva la proprietà della ricerca cioè che avesse la proprietà di coloro che volevano fare della ricerca negli anni 90 se volevate cercare qualche cosa cosa facevate andavate in biblioteca e chiedevate a bibliotecario ma se andavate daverio de cario nel 90 chiedendoli secondo lei la scienza bibliotecaria diventerà una delle grandi scienze dei prossimi decenni probabilmente qualsiasi baby criterio bibliotecari avrebbe risposto siete folli in realtà quando le ricerche diventata poco costosa si è visto che cerca andata oltre i ricercatori è diventato un qualcosa di valore per tutto il pubblico in generale c'è il numero di persone che hanno deciso di andare a cercare qualcosa e trovare una risposta ad esempio a qualcosa che volevano utilizzare uno strumento elettronico per fare questa ricerca è aumentato notevolmente quando la ricerca è diventata meno costosa è nato letteralmente un nuovo settore e questo potrebbe essere così assimilato che so io alla ricerca che si faceva in passato sul buio telefoniche sulle pagine gialle tutte queste tecnologie di ricerca sono state con conglomerate in un unico strumento estremamente efficiente ma che cosa significa concentrarsi veramente sull'intelligenza artificiale porre l'accento sulla esigenza artificiale questo l'amministratore delegato di google e google in passato aveva strategia concentrata sul mobile sui dispositivi mobili adesso si è concentrata sull'intelligenza artificiale ma che cosa vuol dire questa affermazione allora intanto capiamo cercano di capire che cosa significa concentrata sui dispositivi mobili ecco questo significava migliorare i siti mobili anche a discapito del sito web e probabilmente anche a discapito di altri di tutti gli altri punti di contatto con i clienti che abbiamo cioè google aveva deciso ci concentreremo soprattutto sui dispositivi mobili quando hanno detto poi che se invece la strategia si sarebbe concentrata sul dirigenza the fall artificiale quando ho chiesto che cosa intendevano mi sono sentito dire che saranno si sarebbero specializzati in intelligenza artificiale che cosa vuol dire io ho chiesto bene con la ricerca vi compaiono 10 20 linke e a volte magari suggerimenti che facciamo sono sbagliate non sono quelli ideali con l'intelligenza artificiale cosa faremo in terremo un assistente all'utente che non può ovviamente sbagliare nel 20 per cento delle volte neanche il 2 per cento deve essere veramente molto preciso quindi l'intelligenza artificiale sostanzialmente significa questo precisione accuratezza e questo va bene va bene però c'è qualcosa che non va qui e difatti questo titolo ci fa capire che cosa sta succedendo veramente che cosa significa davvero porre l'accento sull'intelligenza artificiale significa che coloro che si occupano cioè i team che si occupano l'intelligenza artificiale nell'azienda stanno seduti fianco a fianco con l'avis attore delegato e parlano con lui durante a pranzo che so io piuttosto che nell'ascensore ma per capire esattamente cosa significa concentrare una strategia aziendale sull'intelligenza artificiale è capire che cosa è che perde il primo posto cioè coloro che prima lo stavano seduti alla mia accanto al settore delegato che adesso non sono più seduti accanto al capo questo significa sostanzialmente dare priorità ad alcune iniziative rispetto ad altre per cui priorità alla raccolta dati all'apprendimento a discapito magari dell'esperienza del cliente quindi priorità all intelligenza artificiale rispetto a tutto il resto tutto quello che prima sede va appunto accanto al mese lettore delegato e pensando al potenziale tutto questo vorrei fare un così un piccolo esercizio andare a identificare tutta la serie di settori perché cercare di capire cosa potrebbe succedere man mano che migliora la tecnologia di predizione pensate a tutti compromessi che dobbiamo accettare a causa dell'incertezza della mancanza di capacità di fare predizioni e qui non so pesate andato in aeroporto e ha dato un bel lounge di qualche bella linea aerea ovviamente a stare in un lancio è molto più comodo che non sta ad aspettare nelle normali sarebbe attese ma perché esistono ilounge negli aeroporti semplicemente perché ci sono sono state fatte delle predizioni sbagliate se voi sapevate quanto tempo ci vuole arrivare all'aeroporto fare tutti i controlli non sarebbe stato mai necessario costruire dei lounge e negli aroporti questi sono totalmente una compromesso a causa di predizioni sbagliate pensiamo ad altri compromessi che dobbiamo accettare a causa della mancanza di capacità di fare predizioni ecco pensiamo ad amazon che tutti ritengono un leader nel settore dell'intelligenza artificiale che la predizione riguardo quello che potrebbero acquistare i propri clienti hanno milioni di prodotti e fanno predizione riguardo a quello che vogliono raccomandare loro e dal punto dal punto di vista mio personale sbagliano almeno il 20 per cento dei casi non raccomandano un prodotto che io non voglio comprare 20 per cento non è sbagliato visto che fanno milioni di suggerimenti di sbagliare del 20 per cento non è un gran problema ma che cosa significa per amazon significa che loro la loro attività in realtà è la stessa di vita che le aziende che vendevano merce suo catalogo cent'anni fa facevano per cui hanno sostanzialmente un catalogo voi andate a visitare il catalogo scegliete quello che vuole acquistare il loro inviano al prodotto al magazzino centrale magazzino poi ve lo porta a casa questo è il modello shopping in shopping ma come lo vediamo noi oggi ecco giriamo la nostra manopole della predizione come se fosse la manopola del volume ecco non so giriamo lo di un 10 del 19 del 15 del 7 per cento come vogliamo a un certo punto non sarà più necessario per amazon aspettare che il cliente ordini qualcosa arriverà il momento in cui la loro macchina di pensione sarà talmente abile da permettere ad amazon spedirvi un prodotto direttamente a casa in una scatola voi lo aprite scegliete prodotto più bollente rimandati indietro il resto il loro cliente l'anno un'infrastruttura che permetterà loro di fare tutto questo onestamente non so se succederà mai veramente questa cosa quello che so però è che ci stanno pensando a un brevetto un brevetto che risale ormai a qualche anno fa che si chiama proprio sistema di ispezione in anticipo da parte appunto di amazon questo significa che man mano che la loro capacità di predizione migliorare probabilmente alcuni dei modi in cui serviamo i nostri clienti cambieranno saremo in grado servire meglio i nostri clienti grazie a una capacità predittiva migliore quindi e nella ricerca di risorse umane la ricerca di personale che cosa si fanno qui ovviamente ci occupiamo di esseri umani a questo punto non ci interessa intelligente artificiale invece non è vero anche gran parte della ricerca di personale si basa proprio predizione andare identificare una figura professionale significa trovare quella che più adatta una determinata organizzazione quindi sostanzialmente un problema di predizione per capire che quale sarà la persona più adatta per quell azienda quindi sostanzialmente cosa si fa si vanno a vedere tutti i curriculum ci sono magari centinaia di candidati che fanno richieste per un posto il lavoro e lo screen iniziale generalmente lo fanno già le macchine adesso ma si potrà arrivare un momento in cui non sarà più neanche necessario magari fare domanda per un po sul lavoro non ci sarà più neanche il problema di capire chi farà domanda se la persona giusta o meno con i dati giusti e con macchi di prezione sufficientemente precisa sarà possibile identificare il profilo professionale che si vuole assumere ea quel punto dire guarda ti assumo e a quel punto la predizione sarà precisa a sufficienza da avere la certezza di questa persona accetterà quel posto il lavoro e questo è esattamente il tipo di esperimenti che stanno conducendo questo momento ma al momento sostanzialmente cosa facciamo accettiamo moltissimi compromessi nel nostro lavoro nelle nostre aziende proprio a causa di questa incertezza e una macchina di predizione una macchina che elimina questa incertezza sarà di grande aiuto di grande esilio per tutti noi e per capire tutto questo per capire qual è il nostro contributo sostanzialmente in tutto questo è cercare di capire intanto che cosa significa man mano che si gira questa manopola del volume perché e soprattutto con che velocità si gira questa manopola del volume ecco se guardo cosa sta succedendo in questo momento devo dire che resto abbastanza sbigottito quindi le pensioni amazon vanno bene però molti probabilmente penserà che in realtà amazon non è così bravo a fare petizione perché raccomandano qualcosa che magari io non voglio assolutamente comprare che non compro quindi non sembra una tecnologia così dirompente questa sirio da altri magari funzionano meglio sono divertenti sono utili però a volte sono frustranti sono in perfette ci sono tutta una serie di teche ancora in questa tecnologia come facciamo a risolvere tutte queste cose perché al contempo vediamo che gli investimenti in questo ambito stanno aumentando in maniera sostanziale e persino governi hanno riconosciuto che si tratta della tecnologia fondamentale ed è quindi necessario porre una strategia nazionale in questo ambito per esempio gli stati uniti ha già sviluppato una strategia nazionale sull'intelligenza artificiale non so se l'italia l'abbia fatto forse non ancora mi sembra bene non ancora dovrebbe forse ecco questo signore lo conosciate lo conoscete tutti non so se stia facendo una strategia sull'intelligenza artificiale però ha detto già che chi controllerà l'intelligenza artificiale controllerà il mondo la cina sta investendo miliardi e miliardi sulle intelligenze artificiali e hanno già dichiarato dentro 2030 saranno i numeri uno in questo ambito e poi abbiamo google e microsoft ed altri che dicono che loro al loro lavoro loro focalizzazione e proprio sull'intelligenza artificiale ma queste sono appunto tutte affermazioni che ci fanno capire con che velocità si muoverà questa manopola del volume per adesso il volume ancora abbastanza basso nel senso che queste previsioni sono ancora costose sicuramente il prezzo si abbasserà e quando attrezzo si abbasserà a quel punto succederanno le cose incredibili la differenza tra quello che sta succedendo adesso è quello che si prevede succederà nel futuro dipende sostanzialmente dalla velocità in cui passeremo dalla situazione attuale alla situazione in cui le persone saranno veramente poco costose e questa è quello che farà la differenza la velocità e a questo punto sono pronto a rispondere alle vostre domande bene grazie abbiamo veramente molto tempo delle domande adesso perché lei ha parlato molto rapidamente quindi ci rimane molto tempo l'inter tradurre la domanda è necessario che la domanda venga fatta al microfono grazia che non siamo in grado di sentire senza microfono grazie mille grazie per aver scritto questo libro io credo che nell'interesse generale possa valere la pena per parlare di performance rispetto alla privacy in europa abbiamo ora la direttiva gdp r e devo dire che noi siamo stati fortunati per via no dello scandalo facebook cambridge analitica che ha fatto sì che molte aziende americane abbiano deciso di accettare di accogliere proprio questo normativa del dpr il concorrente principale in questo ambito è la cina l'europa e gli stati uniti magari possono unire le loro forze in modo alternativo se vogliamo rispetto appunto a quanto sta facendo la cina sappiamo che la cina ha una serie di vantaggi perché non si preoccupano più di tanto della privacy delle persone per cui sono in grado di raccogliere più dati il governo collabora diciamo collabora molto con le società private e questo però non è quello che avviene in europa e negli stati uniti cosa pensa al riguardo beh ho molto da dire al riguardo ora parlando della privacy l'europa a tutta la serie di normative sulla privacy come esiste negli stati uniti in modo diverso appunto di quanto avviene in cina pensiamo a un decennio fa le attuali le normative sulla privacy ha allora ovviamente hanno avuto una serie di implicazioni e soprattutto ad esempio nel settore gustare ne sappiamo che la pista in europa secondo le teorie non funziona bene quanto negli stati uniti per cui si pensa che insomma aziende come google facebook eccetera potrebbero non avere fortuna in europa questo si diceva che cosa avverrà con il gdr un paio di cose da dire riguardo intanto se l'accesso ai dati è un qualcosa di strategico a livello nazionale inizieremo a pensare alla privacy come a un qualcosa che non appartiene più no al al governo ai singoli così come ad esempio gli accordi ambientali fanno parte di una serie di accordi presi tra gli stati allora se vogliamo proteggere la privacy e mantenere una serie di vantaggi allora l'uso di dati la restrizione dell'uso dei dati dovrà far parte di una serie di accordi commerciali ora forse questa potrebbe essere una bisogna pessimista io penso che a livello nazionale la normativa sulla privacy danneggia l'innovazione ma c'è un caveat qui che vorrei aggiungere a livello aziendale a livello strategico di non credo che questo sia davvero avere è che avere sempre aziende che scelgono il loro livello di privacy o quello che ritengono giusto beh ci sono evidenze che ci dicono che le aziende citate nella privacy vanno molto bene e qui e qui un compromesso tra la privacy e l'innovazione piuttosto che la regolamentazione lo stato e la possibilità di mettere in atto strategie liberamente c'è un altro punto però magari sottile ma ci credo anche la pena di ricordare e cioè non è ovvio che queste normative tipo gbr siano restrittive cerca la grande quantità di dati che le aziende hanno a loro disposizione la normativa del dpr per come la capisco io sostanzialmente riguarda risorse e la fiducia proprio del consumatore l'azienda cose però che le aziende sono in grado di superare ad esempio google non sarà danneggiato più di tanto da questa normativa in europa o negli stati uniti vi sono poi aziende che oggi non esistono che cercheranno di entrare sul mercato e di avere successo ma dovranno però stabilire un patto di fiducia con il consumatore dicevo prima c'è un compromesso da scegliere tra la privacy e il potere del mercato sostanzialmente ci sono due cambia quando parliamo di questo pessimismo in primo dal pri dal punto di vista strategico le aziende che rispettano la privacy hanno successo è un'altra cosa da dire è che se la privacy ha ragione di esistere e non ha senso parlare di un diritto no che vorremmo comunque avere e che aiuta tutti è giusto proprio nella sua stessa natura se noi abbiamo diritto alla privacy se è questo che pensiamo non è sorprendente che questo diritto alla privacy abbia un suo costo ed ecco perché è importante fare sì che si riconosca il valore sì c'è qualcosa che non ha valore o che non ha un costo non ci facendo un'opera per riassumere insomma questo argomento il contesto normativo in relazione proprio alla privacy ad esempio in cina da sicuramente alla cina un vantaggio anche nel settore dell'intelligenza artificiale rispetto agli stati uniti e gli stati uniti hanno un vantaggio sicuramente rispetto all'europa questo lo sappiamo ma questo non significa che questo tipo di normativa non sia una buona idea pensando a no agli esseri umani e pensando ai diritti insomma tds primari anno ok into you intanto grazie per la sua bellissima presentazione molto esaustiva e molto istruttiva avrei una domanda imparare dai fatti reali e dagli errori è un'arte di predizione ma varia a seconda delle circostanze ci sono casi ad esempio in cui la velocità di miglioramento della capacità anche delle macchine di apprendere ed imparare può essere rallentato notevolmente se pensiamo ad esempio le auto senza conducenti guardandoci intorno vediamo che sono tanti autisti folli che guidano malissimo e magari appunto le macchine imparano dei comportamenti sbagliati perché vendono dei comportamenti sbagliati però ripetuti più e più volte secondo lei è possibile fare una specie di classifica di quelle attività in cui si possono fare progressi maggiore so che il mckinsey global institute ha fatto questa elenco qualche anno fa elencando quelle che sono le cose che probabilmente hanno più possibilità di essere automatizzate rispetto ad altre quindi secondo lei potrebbe essere questo elenco sì certo sono state fatte tutta una serie di studi che sono andati analizzare proprio questi aspetti le attività che avrebbero potuto essere automatizzate e quelle che invece non sono particolarmente adatta a questo scopo e questa e hanno stabilito qual è la percentuale di queste che possono essere tematizzati su un lavoro dei daspo ha avuto un impatto note che ha avuto un impatto notevole ha detto che circa il 45 per cento di tutti i lavori potranno essere automatizzati onestamente di per sé non c'è nulla di sbagliato in questo studio perché se effettivamente seguiamo il loro passaggio si arriva questo 46 45 per cento che va benissimo però c'è un piccolo problema in questo studio che è questo intanto non hanno considerato un orizzonte temporale e se andate a vedere che cosa hanno descritto nello studio hanno detto chiaramente che questo orizzonte temporale che hanno considerato va da 50 a 100 anni e non certo cinque anni certo le cose cambiano molto tra e cambieranno molto da 50 100 anni probabilmente molte delle cose che faccio oggi molte delle cose che a cui io dedico gran parte del mio tempo cioè anche come professor come accademico che un lavoro difficilmente sostituibile da robot probabilmente tra 50 e 100 anni stanno completamente diverso e già oggi quello che faccio io è diverso da quello facevano i miei colleghi 50 anni fa o cent'anni fa per cui questo vi fa già capire un po come impostare il problema e poi per quanto riguarda il processo di apprendimento questo molto interessante perché intanto l'apprendimento costa noi come esseri umani dedichiamo anni della nostra vita ad apprende per imparare ci sono anni della nostra vita che noi dedichiamo proprio all'apprendimento senza produrre senza essere produttivi quindi è un processo costoso che richiede tempo ed energie ma vale anche per i computer e anche per computer e costoso imparare ed esattamente per questo bisogna considerare quanto tempo siamo disposti ad aspettare per che le macchine imparino in determinati ambiti esempio il cassiere di mcdonald ovviamente bisogna formare questa persona per fare questo lavoro non moltissimo ovviamente magari 12 ore e poi lo si mette a lavorare a servire le persone e probabilmente farà anche degli errori no ovviamente farà più errori un novizio che in una persona che lavora alla cassa da due anni ma questo non fanno a grosse differenze invece il pilota piloti nelle linee aeree commerciale e chiaro che lì non è che lo si forma un giorno due giorni per poi mandarlo su un aereo e far trasportare centinaia di persone ovviamente un pilota richiede moltissimo tempo per apprendere perché un errore da parte un pilota sarebbe fatale ecco anche questo tipo di intuizione si applica alle macchine per cui se la posta in gioco è bassa allora non ci vorrà molto che la macchina possa sostituire l'essere umano perché la macchina impara molto più rapidamente perché il personale mcdonald una volta è stato formato che è stato ammesso al banco a quel punto imparerà molto rapidamente che cosa deve fare ma lo stesso farà la macchina voglio dire se sia un auto senza conducente per esempio è la si mette sulla strada anche questa imparerà rapidissimamente dagli errori il problema che questi errori avranno un costo molto molto elevato viceversa se abbiamo lo so gmail e mail di google è questa inserisce il testo perché per della vostra posta elettronica perché pensa che questo sia il messaggio che volete scrivere ecco magari il rischio intrinseco e molto molto basso voglio dire magari l'errore non è così bravo va benissimo anche se sbagli per per cento delle volte ma se l'auto senza conducente avesse ragione solo il 3 per cento delle volte sarebbe un grosso problema quindi sono questi due aspetti che dobbiamo considerare quale si parla di apprendimento sono aspetti statisti e statistici perché richiedono moltissimi dati ma c'è anche un aspetto strategico perché bisogna decidere se vale la pena mettere una macchina sul campo dove impara rapidamente comincia appunto generare di vantaggi anche economici se vogliamo e qual è il costo implicito che cosa succede se qualcosa va male se qualcosa va storto se la macchina al fahm errore altre domande dal vivo presentation grazie mille per questa sua presentazione allora mi chiedevo in cina hanno accesso a tutti i dati dei cittadini ma negli stati uniti i dati a somma delle persone o persone di tutto il mondo che possono essere manipolate e controllate da una serie di aziende google facebook e il centro e quali sono le implicazioni play vede in tutto questo invece lei poi ha girato insomma improvvisamente questo che parlassi di geopolitica invece ha parlato di insomma del mercato che viene bellissimi parliamo del mercato quando parliamo di mercato e di dati dobbiamo pensare che dal punto di vista tecnologico non c'è un ritorno crescente legato ai dati al contrario ritorno è decrescente alla fine ovviamente abbiamo dati che sono ovviamente se abbiamo 100 dalla qualcosa se ne abbiamo mila da qualcosa di più abbiamo un milione ne abbiamo un valore maggiore ma dal punto di vista statico quello che rende noi capaci di fare predizioni è che lì non abbiamo un'economia di scala intanto quando parliamo di una serie di aziende che sono dominanti su questo mercato devo pensare anche che non si limitano solo ai dati devono avere qualcos'altro che rende possibile fare profitti a queste aziende questa è una cosa di cui dobbiamo dobbiamo pensare non è solo l'intelligenza artificiale non sono solo i dati e non è nemmeno la prima generazione dell'informatica che in questo caso conta però certo è di sonno intanto come ciò prima una riduzione del ritorno sull'abbondanza dei dati e poi un'altra cosa dire è che se non riusciamo a essere un pochino meglio dei concorrenti significa attrarre più clienti significa che abbiamo magari una piccola leadership nei dati e questo genera un feedback loop che diventa sempre più grande ma per soddisfare questo obiettivo bisogna essere un pochino più bravi rispetto ai concorrenti poco reti posto magari ridurre i costi perché voi avete una leadership sui dati in questo caso dobbiamo sostanzialmente giocare la concorrenza non sulla base di una parità di situazione però ripeto dipende anche dal settore è difficile pensare a un settore dove i prezzi sono importanti che questa punta si possa realizzare un'altra cosa da dire circa la riduzione del ritorno sono i dati a che fare con la costruzione di infrastrutture e di team di dei da scientist e anche lì non è la cosa importante a cui pensare il ritorno che arriva dai dati perché il ritorno trivellati va via via scendendo se noi prendiamo la pubblicità possiamo pensare lo stesso tipo di investimento ad esempio a livello proprio di dati le infrastrutture a livello di the scientist air e le aziende che hanno un vantaggio ovviamente continuano a investire per cercare di diventare sempre più bravi questo può portare a una riduzione del numero degli attori sul mercato non necessariamente a un monopolio allora intanto dal punto di vista tecnico abbiamo riduzione del bar dell ritorno possiamo avere dai dati e poi oltre i dati però dobbiamo avere un qualcosa d'altro che abbia un valore economico per far sì che con l'azienda ho un'azienda può sapere un ruolo dominante sul mercato questa anch'io prendo domanda se posso mi hanno colpito molto il suo esempio del caffè dello zucchero del tè è quello che mi chiedevo se volessimo capire quali sono le competenze che saranno necessarie in futuro sarebbe importante capire intanto come potrebbe diventare lo zucchero in pratica nel suo esempio lei ha parlato molto del giudizio giudizio che si corre la questo concetto da un dello zucchero cioè che si corre la al concetto dell'essere umano affinché non venga sostituito dal robot quindi quali sono queste competenze di cui avremmo bisogno e poi c'è un altro aspetto che si inserisce tra la predizione il giudizio cioè che la valutazione della predizione in altre parole è necessario capire fino a che punto vogliamo credere alla predizione perché si possono avere predizioni che sono precise al 99 per cento ma c'è comunque questo non per cento di probabilità di errore allora chiariamo questo concetto intatto il concetto del giudizio una cosa è sapere quello che si può fare considerando i più falsi positivi falsi negativi o per cento di errore significa quale sono sostanzialmente le implicazioni qualsiasi processo decisionale ma e si tratta sì di questo ma si tratta anche di capire se possiamo credere intanto in una predizione perché nel machine learning soprattutto con il nuovo machine cioè il deep learning la decisione è oscura sostanzialmente la relazione tra i parametri e il risultato non è così chiara ma qui ci sono tutta una serie di precisazioni che dobbiamo fare intanto con le macchine direzione dobbiamo credere le predizioni che queste macchine fanno in un certo qual senso quello che abbiamo imparato dagli esperti del settore che quando un essere umano decide di non credere la predizione le cose vanno storte questo un po in generale per cui abbiamo queste macchine che fanno predizione se noi ignoriamo le predizioni generalmente lo facciamo perché è nostro ego che ci porta a farlo e poi facciamo un errore quindi quello che è importante è capire intanto che cosa significa probabilità e poi aggiunge il nostro del nostro giudizio con però un una puntualizzazione quali sono i lavori del futuro che rimarranno e possiamo classificare in tre categorie allora intanto quelli che costruiscono e capiscono le macchine che fanno predizione queste sono gli esperti in matematica in informatica eccetera eccetera e sono coloro che devono veramente capire che cosa significa fare una predizione e soprattutto noi come economisti sappiamo che il grosso il grosso errore legato a queste macchine sta proprio nel fatto che non abbiamo dati che ci dicano quello che accadrà per cui magari pensiamo che sia una buona previsione poi alla fine questa previsione si rivela sbagliata quindi abbiamo bisogno di persone che capiscano queste ma che questo è il primo tipo di lavori che saranno necessarie e poi saranno necessarie persone in grado di dire a queste macchine che cosa fare e qui subendo il concetto di giudizio noi come società che cos'è importante per noi oppure che cosa importante per me come azienda cioè quali sono i valori importanti per noi e quali sono i valori quelli che devono essere inseriti la macchina quindi queste sono le persone che devono fare questo tipo di lavoro e quelli che guadagnano di più saranno proprio quelli che capiranno bene queste macchine non è che devono conoscere i codici o come scrivere un codice ma devono capire come utilizzare in maniera utile queste macchine per cui c'è tutta la serie di nuovi profili professionali che sono legati alla costruzione di queste macchine altre la capacità di aggiungere un giudizio per selezionare i valori e codificare questi valori quindi sono tutti proprio lavori destinati agli esseri umani questi perché adesso vanno che deve capire quali sono i valori importanti per un determinato contesto poi ci saranno tutta la serie dei lavori legati proprio all'attività pratica che non ha nulla a che vedere col giudizio semplicemente alcune cose vengono fatte meglio dagli esseri umani altre dalle macchine e secondo me l'esempio più lampante in questo caso sono gli sport professionisti se si fa ad esempio una partita una partita tra esseri umani e robot voglio dire che nessuno probabilmente guarderebbe non è particolarmente interessante no per cui diciamo lo spettacolo in generale lo spettacolo gennaio oltre lo sport è destinato a rimanere ambito esclusivo degli esseri umani quindi idea che queste sono le tre categorie in cui vedo appunto nuove figure professionali che costruisce queste macchine quindi ingegneri coloro che invece devono valutare le cose importanti per un determinato contesto quindi scegliere sulla base della loro capacità di giudizio e poi appunto questo abito e cioè quello dello spettacolo dell'intrattenimento mi scusi l'intelligenza artificiale potrà arrivare ad imparare a alimentare un giudizio un attimo solo avessi mettere con phil altrimenti non sempre traduzioni artificiale ad emettere a giudicare quindi a una volta a fare quello che potrebbe fare l'essere umano ha il suo giudizio potrebbe imparare anche a fare questo l'intento ufficiale da allora la sua domanda e le macchine saranno in grado di applicare un loro giudizio e questa è una bellissima bellissima domanda c'è un capitolo proprio nel libro dedicato a questo argomento e allora la macchina è in grado di prevedere il giudizio è la risposta è sì ma dando i dati giusti la macchina nel corso del tempo è in grado di fare una predizione con un giudizio e questa non sembra così insomma senza speranza perché il limite delle macchine e legato ai dati con il limite dei dati date le macchine le macchine avranno tutta una serie di difficoltà no a fare predizioni proprio del giudizio che ne so amazon con la loro intelligenza artificiale che costa facendo sta facendo una predizione in base ai vostri valori rispetto ai prodotti che loro belle vengono per cui la predizione il giudizio è una cosa che noi ci aspettiamo possa accadere nel corso dell'età ma il limite rappresentato i dati il problema e cioè il link delle macchine di posizione si basano proprio sulla mancanza di dati e quando parliamo di mancanza i dati possiamo pensare in due matrimoni ad esempio dati legati a eventi rari qualcosa che non avviene no frequentemente è difficile prevedere i terremoti perché non abbiamo tanti dati sui terremoti è difficile prevedere le conseguenze di un'elezione prevenzioni avvengono no non così frequentemente cambino sempre di volta in volta dunque non abbiamo tanti dati utili per poter fare predizioni per cui le macchine non sono bravissime apre a prevedere eventi rari e poi quando parliamo di dati no che marcano pensiamo insomma all al legame causa effetto siete qui durante una conferenza andate a casa pensate ai vostri obiettivi alle vostre aspirazioni legate alla tecnologia all'economia o il vostro lavoro se volete per creare un'azienda creare un'azienda di intelligenza artificiale e diventate miliardari volete dare una consulenza al governo nel vostro governo diventa il migliore al mondo no rispetto ad altri e tutti quelli che vogliono qualcosa avvengono in italia si successo spettacolare venire qui a questa sofferenza ha fatto questa differenza noi in realtà no perché non sappiamo che cosa sarebbe successo se voi non fosse venuti qui per cui anche qui mancano dei dati no perché pensate proprio a questo tipo il deal problema e le macchine non sono in grado di fare una predizione delle differenze causali del rapporto causa effetto le macchine di predizioni sostanzialmente non sono brave a prevedere eventi rari ma poi c'è anche il problema del nesso di causa di causalità un rapporto causa effetto a meno che non si pagina simulazione e non si facciano degli esperimenti possiamo magari far imparare alla ma chi non sa se abbiamo i dati a disposizione ma la macchina comunque fallirà sempre nello stabilire un rapporto causa effetto certo le macchine possono fare una previsione sul giudizio ma la limitazione è rappresentata dal fatto che queste macchine hanno bisogno di dati per poter fare appunto questo tipo di compito per fare appunto predizione non so se abbiamo finito oppure se abbiamo tempo per un'altra domanda io avrei una domanda sulla politica e l'automazione noi adesso abbiamo un nuovo governo con un nuovo consiglio un nuovo presidente del consiglio e abbiamo appunto i sottosegretari ecco mi chiedo se le macchine le macchine potranno mai sostituire sottosegretari perché un sottogretario se vogliamo è colui che raccoglie tutte le informazioni tutti i dati e poi mette in piedi alcune procedure e poi in ultima istanza ovviamente tutto riporta al primo ministro però cosa la macchina riesce a fare un lavoro migliore del sottosegretario una macchina in ben informata riesce a fare un lavoro migliore del sottosegretario beh caspita che domanda beh intanto dobbiamo decidere che cosa importante per noi anche nel caso estremo in cui prevediamo che la macchina sia in grado di fare tutte le predizione del caso anche qui dobbiamo decidere che cosa quali sono i nostri valori e questi valori potrebbero essere rappresentati da un primo ministro per esempio però quando pensiamo alla bio alla burocrazia nei governi tipicamente cosa fanno i governi non fanno predizioni danno anche dei valori danno anche un senso di quali sono i valori di una società altro esempio per cui direi che per adesso il lavoro dei sottosegretari e assicuro l'economia politica studia per l'appunto le conseguenze dell'automazione dell'intelligenza artificiale non è compito mio con questo io concluderei benissimo
{{section.title}}
{{ item.title }}
{{ item.subtitle }}