Se segui la tecnologia, sicuramente ti sarai trovato più volte di fronte ai termini “AI” e “machine learning”. Ma cosa si intende veramente quando vengono usate queste parole?
“Il termine ‘AI’ (Artificial Intelligence) viene usato spesso, e penso che in molte persone evochi l’immagine di ‘intelligenza artificiale generale’ , o qualche forma di software auto-pensante,”, spiega Andy Patel, Senior Researcher nell’Artificial Intelligence Center of Excellence di F-Secure.
“Tutto questo, combinato con una sovraesposizione e titoli sensazionalistici o esagerati, oltre a campagne da parte di chi fa marketing, ha fatto sì che ci sia una generale mancanza di comprensione di ciò che è veramente il machine learning in questo momento e di cosa è capace (o non) di fare.”
Per comprendere il machine learning, entriamo nel codice
Secondo Andy questa comune confusione circa l’uso dell’analisi dei dati per la costruzione automatica del modello nota come “apprendimento automatico” (machine learning) deriva da un semplice fatto: la maggior parte delle persone si informa tramite i media.
Titoli e frasi ad effetto spesso portano all’eccesso le scoperte della ricerca accademica e poche persone hanno tempo per fare ciò che Andy fa nella sua vita quotidiana, ossia leggere la ricerca originale e applicarla.
“Credo che fino a quando qualcuno non abbia effettivamente lavorato con il machine learning – quindi scritto e eseguito codice -, non potrà capire correttamente come funzionano le diverse tecniche di apprendimento automatico e quali sono i limiti”.
Ciò significa che le persone sul campo devono dedicare molto tempo nel chiarire idee sbagliate, anche perché oggi si parla molto di AI e machine learning, cosa che non accadeva fino a qualche anno fa. Imparare come funzionano effettivamente l’intelligenza artificiale e l’apprendimento automatico ti mettono davanti al problema. E non devi essere programmatore a tempo pieno per farlo.
E comunque non siamo di fronte a una tecnologia nuova di zecca.
F-Secure usa il machine learning da più di un decennio
Come ha osservato Matti Aksela, Vice President of Artificial Intelligence di F-Secure, le prime reti neurali artificiali sono emerse a metà del XX secolo. E F-Secure stava già applicando il machine learning quando Andy è entrato a far parte del team dei Labs come responsabile del motore di rilevamento malware, Hydra, nel 2008.
“L’Engine Team ha collaborato a stretto contatto con l’Anti Malware Technologies team, che ha sviluppato altri componenti lato client, tra cui DeepGuard, BlackLight e Gemini, un motore di rilevamento del malware basato sull’apprendimento automatico utilizzato in combinazione con la logica di analisi comportamentale lato client.”
Questa è stata la prima esperienza di Andy della connessione tra l’apprendimento automatico e la lotta contro il malware.
“Nel corso degli anni, molti progetti nei Laboratori sono stati dedicati all’applicazione di tecniche di machine learning, in particolare per gli strumenti e i sistemi di back-end”, ha affermato. “Tutto il lavoro svolto nei Labs è stato sottoposto a frequenti dimostrazioni, quindi abbiamo tutti avuto molto a che fare con l’applicazione dell’apprendimento automatico alla sicurezza informatica nel corso degli anni”.
Il potenziale della tecnologia ha suscitato il suo interesse come ricercatore e programmatore. Così, quando l’azienda ha lanciato il suo centro di eccellenza per l’intelligenza artificiale nel 2017, Andy ne è subito entrato a far parte.
Ma quale tipo di innovazione nel machine learning affascina Andy?
“Al momento, sono davvero entusiasta del potenziale dell’applicazione di tecniche come l’apprendimento di rinforzo, GAN, e il federated training.”
Tradotto per le persone comuni, è entusiasta circa l’applicazione delle metodologie di machine learning che hanno dato riscontri positivi in altri campi — come il gioco, la generazione di contenuti unici, e l’apprendimento distribuito — fino alla cyber security.
Come possono l’AI e il machine learning renderci più o meno sicuri?
Andy lavora anche a un progetto internazionale in cui è inserita F-Secure sull’AI con l’obiettivo di studiare come i sistemi di machine learning saranno attaccati una volta che diventeranno più diffusi.
“Ho lavorato a un documento sugli attacchi contro il machine learning e potenziali usi malevoli dell’apprendimento automatico come parte del progetto SHERPA”, ha spiegato.
Andy descrive SHERPA come “un gruppo formato da 11 membri provenienti da sei Paesi europei – la cui missione è comprendere come la combinazione di intelligenza artificiale e analisi dei big data inciderà sull’etica e sulle questioni dei diritti umani oggi e in futuro.”
Il progetto consente agli esperti di scienze applicate e di etica applicata di collaborare ora, prima che il potenziale della tecnologia tocchi il culmine.
“Dato che noi di F-Secure siamo più esperti su questioni tecniche che sull’etica, SHERPA ci dà la possibilità di lavorare con esperti nel campo dell’etica e di imparare da loro”, ha affermato Andy. “La nostra ricerca tecnica viene fornita ai partner di questo progetto, che a sua volta ci forniranno le loro valutazioni etiche sull’argomento.” Andy spera che questo lavoro serva a fornire informazioni utili non solo all’Unione Europea, che lo sponsorizza, ma al pubblico in generale. Perché le applicazioni del machine learning e dell’intelligenza artificiale, specialmente se riguardano la sicurezza, finiranno per influenzare tutti noi.
E prima la gente capisce di cosa si tratta, meglio è.
Leggi anche: “Tre principi per soluzioni AI di successo”
Categorie