Watson

Un computer può pensare? Watson può: parola di IBM. Tutto sta ovviamente nel saper definire termini quali “intelligenza” o “pensiero”, ma una cosa è certa: il cognitive computing è il prossimo obiettivo che il settore si è posto e Watson è un passo importante nella direzione di una migliore “intelligenza artificiale”. Il progetto prende il nome da Thomas Watson, fondatore del gruppo, la cui impronta sull’azienda era quella di anticipare i tempi, invece di subirli:

È politica di questa compagnia non essere mai soddisfatta di quel che abbiamo, ma sempre anticipare le esigenze del futuro.

Cosa è Watson?

Watson è un progetto nato in seno al gruppo IBM e focalizzato sulla creazione di una intelligenza artificiale in grado di gestire grandi quantità di dati non strutturati per sublimare tale ricchezza in valore vero: informazioni strutturate prima e decisioni poi.

Watson nasce come ecosistema, ossia sotto le sembianze di una piattaforma alla quale in molti potranno accedere per dar vita alle proprie idee. Quel che IBM vuol mettere a punto è una capacità che si fa sistema, e tale capacità si avvicina molto all’idea che si ha di “pensiero”. La concentrazione di tante funzioni e tante capacità all’interno di una stessa entità, però, costringe giocoforza anche a una rimodulazione degli equilibri fin qui esistiti tra uomo e macchina: la relazione viene ad assumere forme nuove, poiché un maggior potere vien messo nelle mani del computing, ma al tempo stesso l’uomo viene ad avere un ruolo fondamentale nella definizione dei problemi prima e nella fase decisionale poi. Vada sé, infatti, che soltanto a fronte di un input ben formato si possa pensare di restituire un output soddisfacente: la «santa alleanza» tra uomo e macchina prende forma sotto il vessillo di Watson nella convinzione per cui il cognitive computing possa fare molto per estrapolare informazioni “pure” all’interno di un bacino non-strutturato di informazioni.

Come funziona Watson?

Il funzionamento di Watson è stato spiegato ai media e ai Chief Information Officer italiani nel contesto di un workshop organizzato da Eni in collaborazione con IBM. L’interesse di Eni su Watson è legato alla possibilità di gestire in modo più efficiente tanto la moltitudine dei dati raccolti durante le analisi antecedenti gli scavi per le estrazioni, quanto per gestire in modo migliore l’enorme mole di comunicazioni e dati interne all’azienda.

La complessità e l’eterogeneità dei dati, molti dei quali non strutturati e non di “proprietà” aziendale, costituiscono l’ostacolo più difficile e, nonostante il miglioramento dei metodi analitici classici, la costruzione di informazioni utili a partire da dati disaggregati resta solo parzialmente realizzata. Se si considera che i dati vengono generati senza soluzione di continuità da persone, sistemi informativi, dispositivi di ogni tipo per più di un trilione di oggetti tra loro collegati e che ogni giorno se ne produce una quantità pari a 2,5 miliardi di gigabyte, risulta chiaro che l’effetto volume contribuisce all’aumento della complessità in modo rilevante. Perciò è indispensabile considerare i dati come una nuova risorsa naturale, da cui può derivare forza competitiva. A patto che ci si attrezzi con strumenti e processi per avere capacità di analisi in tempo reale e possibilità di estrarre conoscenza.

I processi attraverso i quali prende forma il “pensiero” di Watson sono 4:

1. Parsing della domanda, affinché sia ben formata e interpretabile
2. Il testo viene ricollegato alla conoscenza esistente, disambinguandone il significato a partire dal contesto individuato
3. Vengono estratte relazioni dal testo (ad oggi Watson ne contempla circa 7000) per approfondire la comprensione dello stesso
4. Acquisizione di informazioni dal testo, aumentando così la base di conoscenza sulla quale verrà formato il processo di comprensione successivo: di fatto la macchina è in grado di imparare.

IBM precisa come, sebbene in apparenza tutto ciò sia quanto posto normalmente in essere dai motori di ricerca, in realtà Watson sia in grado di andare oltre. Primo, perché sa cercare in database come all’interno di panieri non strutturati di informazioni; secondo, perché sa interpretare (oltre che individuare) entità, ontologie e conoscenza. Il processo passa prima per l’analisi del testo, quindi per l’interpretazione dello stesso, fino ad arrivare ad un alto numero di ipotesi. Il peso statistico delle risposte stesse determina la formazione delle evidenze tra le quali si sceglierà la risposta.

Tanto in entrata quanto in uscita, la comunicazione tra uomo e macchina avviene con le regole del linguaggio naturale: Watson nasce in lingua inglese, ma gli adattamenti ad altre lingue andranno di pari passo con le applicazioni che sorgeranno nei vari territori attorno al sistema IBM.

IBM e Watson

IBM non ha fretta. Così come il codice a barre ci ha impiegato 15 anni ad essere capito e adottato, arrivando poi a penetrare il mercato con capillarità, anche Watson necessita del tempo necessario affinché il suo ruolo possa essere interiorizzato dai CIO e dagli sviluppatori, ma poi diventerà un valore irrinunciabile. IBM ci crede a fondo, ipotizzando per Watson un ruolo da “browser” della rete del futuro, un passaggio fondamentale per l’organizzazione e il reperimento delle informazioni.

Watson nasce all’interno di IBM, ma il gruppo ha l’intenzione di creare attorno al progetto le migliori condizioni per poter crescere senza dannose pressioni di mercato. Il team è stato organizzato quindi come in una vera e propria startup, con l’obiettivo di creare dapprima un ecosistema funzionante per poi valutare come il tutto possa essere proposto sotto forma di modello di business. Non una startup qualunque, però: 2000 specialisti assoldati, 1 miliardo di dollari di investimento, 100 milioni versati al fine di sostenere lo sviluppo dell’ecosistema di imprenditori e partner sui quali maturare il futuro del progetto.

L’idea è quella di arrivare a rendere Watson una sorta di piattaforma cloud per lo sviluppo di applicazioni. 700 entità (tra grandi aziende e startup) sono già in collaborazione con Watson per capire come dar vita a nuovi progetti: da questo numero usciranno i primi esperimenti pilota, con una roadmap che fissa al 2017 l’anno in cui Watson dovrà iniziare a dimostrare davvero di potersi proporre sul mercato come realtà valida, efficiente ed economicamente sostenibile.

Se solo 10 anni fa il 70% degli introiti IBM provenivano dalla vendita hardware, oggi tale quota è scesa ad appena il 20%: l’azienda ha ripensato completamente il proprio core business e in futuro lo sviluppo di software e servizi passerà anche per il cognitive computing. Watson è dunque il futuro di IBM, o almeno uno dei futuri possibili e sui quali l’azienda sta scommettendo con forza.

Eni e Watson

Particolarmente curioso è il fatto che ad organizzare il workshop italiano di illustrazione di Watson sia stata l’Eni. Il gruppo, fortemente attivo nell’ottica di una maggior digitalizzazione dei processi sotto la guida del CIO Gianluigi Castelli, si sta avvicinando a Watson intravedendo in questo progetto importanti opportunità. Al momento non vi sono collaborazioni effettive in essere, ma Eni avrebbe già stanziato circa mezzo milione di euro nella valutazione di possibili potenzialità da sviluppare. Se da questo approccio ne uscirà qualche evidenza, allora Eni potrebbe investire con maggior concretezza e sfruttare eventualmente il proprio Green Data Center per mettere a disposizione dell’idea tutta la potenza di calcolo necessaria.

Non oggi, non ora: le parti stanno per il momento valutando le rispettive potenzialità per capire quale possa essere il miglior punto di incontro. Il workshop sembra però sancire una collaborazione formale importante: Watson può essere utile a Eni così come Eni può essere utile a Watson. E dalla collaborazione potrebbero sorgerne sinergie la cui dimensione sarà espletabile e comprensibile soltanto negli anni a venire.

Dove può essere applicato Watson

Watson ha già trovato applicazione pratica al servizio della ricerca clinica in ambito oncologico ma, in breve tempo, è destinata a rivoluzionare un più ampio numero di settori – energia, salute, retail, editorial, finanza, biotech, farmaceutico – e molteplici aspetti della nostra stessa quotidianità.

Sembra difficile capire oggi dove possa arrivare Watson perché, in qualità di sistema basato sul deep learning, l’idea di fondo è quella di non porre limiti né alla provvidenza, né alla capacità tecnologica. Si sa però da dove è partito: nel 2006 l’idea è stata messa a punto e il team (comprensivo peraltro di varie personalità italiane) è riuscito a raccogliere i primi importanti risultati nel 2011. È infatti questo l’anno di Jeopardy, il gioco televisivo USA al quale Watson ha partecipato in qualità di concorrente. Il gioco prevede domande aperte in forma testuale, nelle quali il tempo utile per la risposta è minimo: in quei pochi secondi bisogna recepire la domanda, comprenderla, interpretarla e rispondere. Watson ha dimostrato in poche prove di poter vincere contro l’essere umano, dimostrandosi così capace di “ragionare” al pari di una persona. Anni dopo le performance sono ulteriormente migliorate, la base di conoscenza è aumentata e Watson è ora pronto a spingersi oltre.

Il primo campo di applicazione pensato è l’ambito sanitario. In questo campo, infatti, i dati disponibili sono moltissimi, molti di più di quanti un comune medico non possa gestire. Watson può pertanto configurarsi come un assistente di grande prestigio in fase di diagnosi, potendo analizzare molti dati per portare poche ipotesi importanti all’attenzione del professionista. Migliora la diagnosi, migliorano le possibilità di cura, diminuiscono i falsi positivi e il tutto va a vantaggio dell’intero sistema sanitario.

Altro ambito di interesse potenziale è quello dell’assistenza clienti. I problemi gestiti in questo settore dalle grandi aziende consentono infatti di arrivare a modelli predefiniti per risposte di più comune ricaduta: Watson potrebbe facilitare l’identificazione di tali modelli, l’emergenza di problematiche specifiche e facilitare (e velocizzare) i tempi di intervento.

La forza dei Big Data sta in questo: maggiore è il numero dei dati non strutturati disponibili, migliore sarà la qualità dei dati strutturati ottenuti. Watson è responsabile del processo di analisi e comprensione delle evidenze, diventando così un fondamentale tassello nel puzzle della macchina aziendale.

Sulla base di quanto emerso, è da ipotizzare un ruolo di Watson in occasione dell’Expo 2015: IBM avrà tra le mani una occasione unica per dimostrare la bontà del proprio sistema, applicando il tutto a un grande evento nel quale il flusso di utenti di lingua anglofona potrà mettere alla prova le applicazioni pensate per l’appuntamento.

Watson vs Turing

IBM lo dice a chiare lettere: il problema del Test di Turing non si pone, almeno non in questa fase. Inutile infatti pensare a una macchina che si relazioni alla persona senza frizioni e senza tutta la ricchezza semantica che una relazione diretta richiede. L’Intelligenza artificiale non è dunque ancora arrivata al punto da rendere la macchina intelligente quanto l’uomo. Tuttavia se ci si chiede se Watson sarebbe in grado di superare il Test di Turing, ci si sta ponendo di fatto la domanda sbagliata.

L’obiettivo di IBM, infatti, non è quello di sostituire l’uomo. Watson, anzi, intende presentarsi come il miglior complemento all’uomo stesso, potenziandone le capacità grazie a un ruolo simbiotico in perfetta complementarità con quella che è la natura umana.

L’input e l’output rimangono nelle mani dell’utente, il quale ha inoltre il dovere di validare la bontà del processo effettuato dalla macchina. L’Intelligenza Artificiale di Watson non intende prevaricare l’uomo, insomma, ma esaltarne invece l’intelligenza.