Credito:CC0 di pubblico dominio
L'apprendimento automatico è esploso sulla scena negli ultimi due decenni e sarà una tecnologia determinante per il futuro. Sta trasformando ampi settori della società, tra cui sanità, istruzione, trasporti e produzione alimentare e industriale, oltre ad avere un enorme impatto sulla scienza e la ricerca.
Un sottoinsieme dell'intelligenza artificiale, l'apprendimento automatico è un processo che aiuta i computer ad apprendere senza istruzioni dirette e dall'esperienza. Lo fa utilizzando algoritmi per identificare i modelli all'interno dei dati, che vengono quindi utilizzati per creare modelli in grado di fare previsioni. E i dati sono la chiave. L'apprendimento automatico e la crescente disponibilità di enormi quantità di dati promettono di rivoluzionare la produzione di conoscenza. In effetti, il circolo virtuoso e esponenziale odierno di crescita nel deep learning, tra le altre tecnologie, è stato paragonato all'esplosione del Cambriano di mezzo miliardo di anni fa, quando la vita sulla Terra conobbe un breve periodo di rapidissima diversificazione.
Il professor James Larus, preside della School of Computer and Communications Sciences (IC) dell'EPFL, concorda sul fatto che l'apprendimento automatico e l'intelligenza artificiale avranno un profondo impatto sul modo in cui viviamo e non abbiamo ancora visto il suo pieno potenziale.
"Per me, l'apprendimento automatico è uno strumento molto potente che è ancora agli inizi ed è ancora in qualche modo un'"arte oscura". Insegniamo alle classi l'apprendimento automatico, la matematica sottostante e siamo in grado di fornire esempi agli studenti su come è stato applicato in passato, ma non possiamo dare loro dei principi perché letteralmente non sappiamo nemmeno perché funziona così bene."
Lenka Zdeborová dell'EPFL sta lavorando su questa questione fondamentale. Professore Associato di Fisica, Informatica e Sistemi di Comunicazione nel Laboratorio di Fisica Statistica del Calcolo, parte della School of Basic Sciences (BS) e IC, è appassionata di far avanzare la teoria di ciò che è calcolabile e di ciò che è possibile con l'apprendimento automatico e l'intelligenza artificiale .
"Nelle scienze vogliamo capire meglio gli oggetti che studiamo, l'obiettivo non è fisso. Dobbiamo trovare l'obiettivo in modo che il sistema di apprendimento automatico sia utile nello sforzo scientifico e guardare al ruolo che l'apprendimento automatico sta giocando in cambiare il metodo molto scientifico. È un campo affascinante che è emerso quando l'apprendimento automatico ha avuto molto successo nell'ultimo decennio."
Con i colleghi di fisica, chimica, ingegneria e scienze della vita, Zdeborová ha appena lanciato una nuova serie di lezioni del corso di dottorato sull'apprendimento automatico scientifico che esplorerà gli ultimi lavori intrapresi all'EPFL e a livello globale.
Un'altra iniziativa dell'EPFL, la componente del progetto Machine Learning 4 Science del corso Machine Learning dei professori IC Martin Jaggi e Nicolas Flammarion, sta costruendo collaborazioni tra campus, abbinando progetti scientifici di laboratori di tutte le discipline con studenti che porteranno le loro competenze di machine learning a nuove campi. Tra il 2018 e il 2020 più di 600 studenti hanno partecipato a progetti proposti da 77 laboratori in tutto l'EPFL e anche al di fuori di istituzioni, incluso il CERN.
"È il più grande corso di master nel campus e gli studenti di tutte le discipline vogliono imparare questo strumento poiché sanno che sarà utile per le loro future carriere. Possono andare in qualsiasi laboratorio del campus e fare un progetto pratico, in collaborazione in un modo interdisciplinare È un vero vantaggio per tutti e penso sia giusto dire che entrambe le squadre sentono di trarre vantaggio dalla struttura", afferma Jaggi.
Uno dei progetti dell'ultimo round originato dal laboratorio di Cathrin Brisken presso la School of Life Sciences (SV) relativo a un algoritmo di apprendimento automatico per distinguere le cellule di topo da quelle umane, particolarmente utile per la ricerca sul cancro. Gli oncologi in genere studiano i tumori innestando cellule umane sui topi, ma poi il problema è distinguere i due tipi di cellule. Ciò di solito comporta diversi cicli di colorazione con fluorescenza e analisi di molti campioni di tessuto prima di trovare le cellule umane. Tuttavia, studente di IC, il programma di Quentin Juppet semplifica tutto ciò automatizzando il processo di classificazione delle cellule. È così promettente che l'ha trasformata in una tesi di laurea con i risultati recentemente pubblicati sul Journal of Mammary Gland Biology and Neoplasia .
Un altro, anch'esso originato dalla School of Life Sciences, prevedeva l'uso dell'apprendimento automatico per classificare i fenotipi mutanti dalle immagini di embrioni di pesce zebra. Il professor Andrew Oates è preside della scuola e capo del Laboratorio di tempi, oscillazioni e modelli. "Il mio laboratorio ha partecipato due volte e ogni volta ci siamo confrontati con un gruppo di studenti davvero speciale che ha mostrato iniziativa e creatività nell'affrontare un vero problema scientifico in laboratorio utilizzando l'apprendimento automatico. Per quanto ne so, questo progetto è il primo nel campo dell'embriologia con implicazioni per un uso più efficiente del pesce zebra come sistema per modellare i disordini genetici umani. Non avremmo tentato questo lavoro se non avessimo avuto la possibilità di unirci al programma Machine Learning 4 Science", afferma .
Altri lavori hanno esaminato una serie incredibilmente diversificata di domande di ricerca:prevedere la gravità dell'ictus utilizzando i dati del gioco pacman; il rilevamento automatico dell'area disponibile per installazioni di pannelli solari sul tetto; previsione valanghe; musica oltre il maggiore e il minore; e, migliorando le misurazioni della qualità dell'acqua dolce.
Per James Larus il futuro è qui e sarà solo più sorprendente:"Attualmente, l'apprendimento automatico si basa su un modello sviluppato negli anni '40 di come funziona il cervello, e all'epoca non era nemmeno preciso. Ora stiamo esplorando apprendimento automatico ispirato al cervello, guidato dalle ultime neuroscienze, per sviluppare modelli più sofisticati ed efficaci e per costruire sistemi di intelligenza artificiale di prossima generazione. Quindi, spero davvero che ci sarà un lungo periodo di progressi nell'apprendimento automatico e un'enorme espansione in applicazioni di successo. Cambierà la scienza per sempre."