Iterative annotation e anomaly detection

Negli ultimi anni le voci sulla nuova industria 4.0 si sono sempre più fatte sentire in tutti i media, riportando quanto svolto dalle svariate ricerche avviate in diversi poli scienti?ci di tutto il mondo. Dall'inizio delle ricerche sul robot umanoide Icub nel 2003 all'avvio della famosa applicazione campione Alpha go nel 2014, dalla macchina con autopilota di Google alla potenza di calcolo dei dispositivi Nvidia che permettessero l'analisi della strada davanti al guidatore "fantasma", ?no al marketing aggressivo avviato negli ultimi anni da Amazon e Google per spingere sulla domotica intelligente. E' quindi chiaro che il mercato si stia ormai dirigendo verso questa nuova direzione, le cui prime ricerche iniziarono quasi un secolo fa con McCulloch e Pitts (1943). Difatti, un'idea di ciò che abbiamo oggi a portata di tasca era già pre- sente negli anni '80, quando lo spot del Knowledge Navigator fu trasmesso sugli schermi, presentando nel video spot un assistente voc spot un assistente vocale in grado di fornire vari servizi al professore. Anche nei f?lm di fantascienza, ad esempio Supercar, il sogno di poter usufruire di tali tecnologie era tangibile ma irrealizzabile per l'avanzamento tecnologico dell'epoca, il quale richiedeva ancora decenni prima di poter approcciarsi a simili compiti. Tuttavia, oggigiorno le visioni futuristiche sono state in parte raggiunte ed è proprio per questo che ora non soltanto più le aziende IT stanno guardando verso l'intelligenza arti?ciale. La digitalizzazione è il prossimo passo fondamentale affinché le aziende possano rimanere al passo con un mercato destinato a cambiare e, nel bene e nel male, a distruggere e creare nuovi posti di lavoro. I big data rappresentano la chiave di accesso a questo mondo, permettendo il processamento dei vari task con i nuovi modelli di machine learning e delle reti neurali. E il loro impiego è sempre più esteso, considerando recenti applicazioni quali Musenet, in grado di generare 4 minuti di musica con 10 strumenti diversi, oppure il modello sviluppato da Helena Sarin, software developer, in grado di creare opere d'arte utilizzando una rete GAN o ancora una delle ultime competizioni lanciata da Kaggle per poter monitorare e, se possibile, addirittura fermare la deforestazione della foresta ammazonica mediante la computer vision. Questo task grazie ad un'analisi delle immagini satellitari. di machine learning utilizzante word embedding ha dimostrato limiti derivanti da un'errata rappresentazione di stereotipi verso razza e genere; inoltre, nel novembre 2019 è stata registrata un'altra fatalità che vedeva coinvolta un veicolo con autopilota, in particolare un taxi Uber. l modello di computer vision impiegato dalla vettura non era infatti stato allenato né per identi?care pedoni distratti, ovvero che non fossero in prossimità di un passaggio pedonale, né tantomeno per identi?care correttamente una persona che camminasse con appresso una bici. Questo aveva quindi causato che la macchina continuasse imperterrita a proseguire lungo la sua direzione anche dopo l'impatto. Una possibile soluzione a futuri imprevisti potrebbe pertanto risiedere nella seguente affermazione: "Quando scendono in campo futuri tecnologi di diversa estrazione disciplina- re e culturale, l'obiettivo comune è fare in modo che la tecnologia venga messa al servizio del bene dell'umanità."