Nella Silicon Valley dilaga una nuova frenesia. A giudicare dal susseguirsi di eventi per la raccolta di fondi organizzati nelle ultime settimane dalle start-up, la Silicon Valley vive una nuova febbre per un’idea che risale a oltre un secolo fa: l’intelligenza artificiale (IA).

«Questo, ora come ora, è il punto caldo, il luogo giusto nel quale trovarsi e lavorare», dice Stephen Purpura, proprietario dell’azienda di IA Context Relevant che da quando è stata fondata nel 2012 ha raccolto finanziamenti per oltre 44 milioni di dollari. Secondo i suoi calcoli, sul carro vincente dell’IA sarebbero salite oltre 170 start-up.

Chi si trova da poco a operare nel campo dell’intelligenza artificiale ritiene che la tecnologia abbia finalmente recuperato il distacco rispetto alle speranze in essa riposte, portando i computer a un accentuato livello di intelligenza. I nuovi arrivati promettono tipologie inedite di interazione tra esseri umani e macchine, e macchine capaci di nuove modalità di apprendimento, alcune delle quali del tutto inattese e adatte ad avvicinarsi sempre più al mondo degli umani.

«Dal punto di vista tecnologico, è in atto uno spostamento paradigmatico dal semplice inserimento di comandi in una scatola a un’epoca nella quale i computer ci osserveranno per imparare da noi», dice Daniel Nadler, un altro di coloro che nutrono speranze e ottimismo per l’IA. La sua azienda, Kensho, ha raccolto 15 milioni di dollari per perseguire un obbiettivo ambizioso: insegnare ai computer a sostituire i costosi colletti bianchi, lavoratori che svolgono mansioni impegnative e complesse, per esempio gli analisti finanziari. «Noi non chiamiamo ciò che stiamo facendo IA, bensì “automazione dell’intensivo lavoro umano raziocinante”», dice.

Le idee condivise dalla massa degli investitori spiegano in parte per quale motivo l’IA sia diventata uno dei trend più caldi negli investimenti delle start-up da quando lo slogan dei “big data” ha fatto decollare migliaia di sogni imprenditoriali. I cicli di investimento sono ancora modesti, e riflettono la fase iniziale di partenza della maggior parte delle start-up. Ma l’ampio numero delle aziende che rastrellano finanziamenti e la varietà delle persone che vi investe segnalano in maniera sufficiente tutta la portata dell’interesse per l’IA.

Oltre ad alcune società di capitali di rischio di punta della Silicon Valley - tra le quali Khosla Ventures e Greylock Partners - e a luminari del settore hi-tech quali Elon Musk e Peter Thiel, tra i maggiori sostenitori dell’IA si contano società che scorgono in questa tecnologia possibilità di utilizzo futuro anche nei rispettivi settori d’attività. Un esempio è Goldman Sachs.

Secondo Nadler, ormai ogni portafoglio di capitale di rischio richiede investimenti in questo settore: chi investe soldi in fondi di questo tipo esige anche una fetta della “next best thing”, la prossima grande novità del futuro.
L’alba dell’IA deve molto alle nuove tecniche di programmazione per migliorare “l’intelligenza” delle macchine. Tra quelle in prima linea ci sono l’apprendimento e l’addestramento delle macchine a individuare parametri precisi e a fare previsioni masticando una notevole quantità di dati. Ma al pari di altre idee nuove e promettenti, c’è sempre il rischio che molte aziende attirate in questo settore si mettano a lottare tra loro per individuare impieghi redditizi di questa tecnologia.

«Molte di queste piattaforme di IA assomigliano ai coltellini svizzeri», spiega Tim Tuttle, direttore esecutivo di Expect Labs che di recente ha messo insieme finanziamenti per 13 milioni di dollari: «In pratica, possono fare di tutto, moltissime cose, ma non è chiaro quali sono le funzioni di maggior valore». Di conseguenza, dice, si va affermando una sorta di «mentalità da Far west», perché gli imprenditori si affannano ad applicare l’intelligenza artificiale a qualsiasi problema. Purpura aggiunge: «Io non penso che l’apprendimento delle macchine, inteso come una tecnologia a sé stante, sia un business prezioso. Molte di queste cose saranno acquisite».

La speranza è che in futuro l’IA sia qualcosa di più dell’ennesima fuggevole tech-mania. Come accade con “big data”, parlando di IA non ci si riferisce soltanto a un’unica tecnologia o utilizzo, ma a un approccio che potrebbe avere numerose applicazioni.

Tecniche quali l’apprendimento profondo potrebbero contribuire a permettere alle aziende di fare deduzioni più intelligenti in relazione ai loro clienti, dice Matt McIlwain, partner presso Madrona, una società di capitale di rischio di Seattle. Diventeranno in grado di identificare le preferenze e di fare previsioni, per esempio in relazione a quando i loro clienti desiderano più verosimilmente essere contattati o con quali di loro si rischia maggiormente di non veder rinnovare un contratto.

Le start-up devono far fronte a una concorrenza spaventosa. I progressi più considerevoli nel campo dell’intelligenza artificiale si stanno facendo all’interno di grandi gruppi tech quali Google, Ibm e Facebook. Tutte queste aziende tengono rigorosamente segreto il proprio lavoro in questo ambito tecnologico, ma gli esperti dicono che, da ciò che si può giudicare da fuori, sarebbero molto avanti. Un test di Google è riuscito a individuare i gatti presenti in alcuni filmati YouTube; un sistema di Facebook denominato Deep Face riconosce le fisionomie delle persone; e poi c’è Watson, il sistema di domanda e risposta dell’Ibm.

Gli imprenditori come Tuttle non puntano tanto a diventare la frontiera di una nuova tecnologia, quanto a confezionare quelle già esistenti in applicazioni mirate. I grandi gruppi «stanno cercando di costruire una tecnologia che risolverà ogni cosa. Noi stiamo cercando di risolvere un problema diverso», dice. In ragione delle migliorate capacità di riconoscimento dei modelli, identificare le immagini - compito notoriamente molto difficile per i computer - è diventato di gran lunga più semplice. Vicarious, una delle aziende più ambiziose della zona, ha raccolto 72 milioni di dollari di finanziamenti dimostrando di poter risolvere i Captcha, i rompicapo visivi utilizzati dai siti web per differenziare gli utenti umani dai computer.

Si sta utilizzando la medesima tecnologia per aiutare i computer a comprendere il linguaggio, funzione nota con la definizione di “riconoscimento del linguaggio naturale”. Questa è una delle tecniche che stanno dietro a sistemi quali Watson dell’Ibm, che indagano un’ampia mole di informazioni per arrivare alla risposta più probabile. Un terzo utilizzo popolare di questa tecnologia fa affidamento sul fatto di cercare di determinare l’importanza di un’informazione, che si tratti di confezionare ad hoc un contenuto on line e fornire ulteriori raccomandazioni, o di praticare un targeting più efficiente della pubblicità.

Come sempre accade con le nuove idee promettenti, alcune delle prime applicazioni sono state studiate per i mercati finanziari, anche se la quantità dii soldi in gioco rende guardinghe nelle spiegazioni le persone coinvolte.
«Se la tua app finanziaria funziona, perché farlo sapere prima e divulgarla, col rischio di bruciarti?», si chiede Babak Hodjat, capo della divisione scientifica di Sentient Technologies. La sua azienda attinge enormi capacità di calcolo dai data centers per eseguire simulazioni in piena regola dei mercati finanziari: applicando “algoritmi evoluzionari” che cercano di imparare dalle modalità di reazione dei mercati a circostanze differenti, auspica di mettere a punto modelli utili a prevedere come si comporteranno in futuro.

Trasformare idee come queste in applicazioni vere e proprie assorbe buona parte degli investimenti che al momento si stanno riversando nel settore dell’IA. Sentient di recente ha messo insieme oltre 100 milioni di dollari per applicare la sua tecnologia ai settori più disparati.

I settori industriali più allettanti sono quelli che hanno un grande volume di dati da analizzare e problemi importanti da risolvere, per esempio l’assistenza sanitaria, le assicurazioni e l’e-commerce, dice Sentient. La sicurezza informatica e l’individuazione delle truffe sono tra le priorità di molte aziende che si occupano di intelligenza artificiale.

Ma per rendere la tecnologia efficace in applicazioni reali, dice Purpura, è indispensabile sostenere altre spese: «La vera battaglia non la stiamo combattendo per conquistare la tecnologia - peraltro necessaria - con cui una macchina può apprendere, bensì per realizzare sistemi di supporto che la rendano utilizzabile».

Tra le tecnologie di supporto vi sono i cosiddetti “data pipe”, indispensabili a convogliare grandi quantità di informazioni, dice, ma anche sistemi di controllo fondamentali per accertarsi che l’IA operi nell’ambito di parametri imprenditoriali accettabili. Con così tante start-up sotto pressione per mettere in vetrina le loro tecnologie e dimostrare di essere qualcosa di più di abili trucchetti da salotto in grado di colpire l’immaginazione, la corsa agli investimenti potrà determinare chi sopravvivrà all’inevitabile futuro ridimensionamento dell’IA.

Traduzione di Anna Bissanti © 2015, ?The Financial Times