Se Jen-Hsun “Jensen” Huang, CEO di Nvidia, dice che la nuova frontiera si chiama deep learning, ci sono buone ragioni per approfondire. Per Huang, uno dei leader più visionari della Silicon Valley, non sembrano esserci dubbi: il paradigma del deep learning rivoluzionerà la Rete. Il boss di Nvidia lo ha detto a chiare lettere la settimana scorsa, nel suo intervento di apertura della GPU Technology Conference di San Jose, dedicato per intero al tema.
Deep learning significa realizzare la promessa, finora non mantenuta, dell’intelligenza artificiale, ossia rendere le macchine in grado di usare le informazioni disponibili per affrontare e risolvere problemi nuovi. È l’intelligenza come la intendiamo noi umani, che non si risolve nella capacità di fare calcoli a grande velocità, ma si manifesta soprattutto quando affrontiamo situazioni non previste, grazie a specifici modelli di astrazione dei dati. Ma se oggi si torna a parlare di deep learning è perché si sono realizzate alcune condizioni nuove, rispetto a dieci anni fa, quando l’espressione cominciò a essere usata. Il primo fatto nuovo è l’evoluzione delle neuroscienze, che mettono a disposizione dell’intelligenza artificiale modelli di rappresentazione inediti, basati sui meccanismi di comunicazione del sistema nervoso. A ciò si aggiunge la messa a punto di tecnologie in grado di lavorare con i dati – specie quelli non strutturati – in modo diverso rispetto al passato: è il paradigma dei big data, cui Spindox dedica da tempo grande attenzione. Il terzo fatto è l’esplosione dell’Internet of Things, che a sua volta determina la disponibilità di una enorme quantità di dati provenienti da fonti diverse e utili per rappresentare la realtà che ci circonda. A patto che, appunto, si applichino modelli adatti. L’interesse di una società come Nvidia, leader nella produzione di acceleratori grafici (GPU), è in questo contesto evidente. Perché, per fare deep learning, serve la potenza di calcolo che solo i microprocessori più evoluti riescono a fornire.
Per comprende le potenzialità del deep learning, suggerisce Huang, è sufficiente pensare alle sue applicazioni nel campo dell’industria automobilistica. Senza scomodare il progetto Self-Driving Car di Google, consideriamo che cosa già oggi si realizza sulle vetture commercializzate in tutto il mondo. “L’auto è diventata un computer con le ruote – osserva il CEO di Nvidia – capace di percepire una grande quantità di segnali dall’esterno e di interpretarli per prendere decisioni in tempo reale, senza l’intervento del conducente”. Non a caso nel 2014 Nvidia ha registrato risultati da record proprio nella fornitura di GPU all’industria automobilistica. “Ma ciò che più conta – aggiunge Huang – è che l’auto sta diventando intelligente. E quando dico ‘intelligente’, mi riferisco alle proprietà che una macchina deve avere nel paradigma del deep learning”.
Questi e molti altri gli spunti contenuti nel keynote con cui il CEO di Nvidia ha aperto la GPU Technology Conference, in corso fino all’8 aprile. Spunti che vale la pena di segnarsi. Qui sotto proponiamo il video con la registrazione completa dell’intervento.
