Jeff Dean: AI isn't as smart as you think -- but it could be | TED

Traduttore: inglese 2122 I51 Revisore: Gabriella Patricola

Hi, I'm Jeff.

Ciao, mi chiamo Jeff.

I lead AI Research and Health at Google.

Dirigo l’AI Research and Health di Google.

I joined Google more than 20 years ago,

Lavoro per Google da più di vent’anni

when we were all wedged into a tiny office space,

quando avevamo un minuscolo ufficio, sopra quello

above what's now a T-Mobile store in downtown Palo Alto.

che oggi è un negozio di T-Mobile nel centro di Palo Alto.

Negli anni ho assistito a molte trasformazioni informatiche

I've seen a lot of computing transformations in that time,

e, nell’ultimo decennio, alle imprese straordinarie dell’IA.

and in the last decade, we've seen AI be able to do tremendous things.

But we're still doing it all wrong in many ways.

Però, per molti versi, sbagliamo ancora

ed è di questo che vi voglio parlare oggi

That's what I want to talk to you about today.

But first, let's talk about what AI can do.

Ma prima, parliamo di cosa può fare l’IA.

So in the last decade, we've seen tremendous progress

Negli ultimi dieci anni, abbiamo assistito a enormi progressi

in how AI can help computers see, understand language,

nel modo in cui, grazie all’IA, un computer vede e capisce il linguaggio,

understand speech better than ever before.

o un discorso molto meglio di prima.

Things that we couldn't do before, now we can do.

Ora possiamo fare cose che prima erano impossibili.

If you think about computer vision alone,

Considerando solo la visione artificiale,

negli ultimi dieci anni, i computer hanno sviluppato

just in the last 10 years,

computers have effectively developed the ability to see;

la capacità di vedere;

10 years ago, they couldn't see, now they can see.

10 anni fa ciò non era possibile, ora sì.

Immaginate l’effetto rivoluzionario

You can imagine this has had a transformative effect

on what we can do with computers.

su ciò che facciamo con i computer.

Vediamo alcune di queste applicazioni consentite da queste funzioni.

So let's look at a couple of the great applications

enabled by these capabilities.

Possiamo prevedere alluvioni e tenere tutti al sicuro

We can better predict flooding, keep everyone safe,

usando il machine learning.

using machine learning.

Possiamo tradurre in più di 100 lingue per comunicare meglio,

We can translate over 100 languages so we all can communicate better,

prevedere e diagnosticare meglio le malattie,

and better predict and diagnose disease,

where everyone gets the treatment that they need.

così che tutti ricevano le cure necessarie.

So let's look at two key components

Ora vediamo due componenti chiave del progresso dei sistemi di IA odierni.

that underlie the progress in AI systems today.

La prima riguarda le reti neurali,

The first is neural networks,

a breakthrough approach to solving some of these difficult problems

un metodo innovativo

per risolvere questi problemi complessi

that has really shone in the last 15 years.

che si è distinto negli ultimi 15 anni.

But they're not a new idea.

Ma l’idea non è nuova.

And the second is computational power.

La seconda è la potenza computazionale.

It actually takes a lot of computational power

Serve molta potenza computazionale per creare reti neurali

to make neural networks able to really sing,

veramente capaci di eccellere

and in the last 15 years, we’ve been able to halve that,

e negli ultimi 15 anni siamo stati in grado di dimezzarla,

and that's partly what's enabled all this progress.

e questo è ciò che ha permesso il progresso raggiunto finora.

But at the same time, I think we're doing several things wrong,

Ma allo stesso tempo penso che stiamo facendo diversi sbagli

and that's what I want to talk to you about

e ve ne parlerò alla fine del mio intervento.

at the end of the talk.

First, a bit of a history lesson.

Prima di tutto, qualche nozione storica.

So for decades,

Per decenni,

almost since the very beginning of computing,

almeno sin dalla comparsa dei computer,

si volevano costruire macchine

people have wanted to be able to build computers

in grado di vedere, comprendere la lingua e il parlato.

that could see, understand language, understand speech.

The earliest approaches to this, generally,

In principio si codificavano manualmente gli algoritmi necessari

people were trying to hand-code all the algorithms

that you need to accomplish those difficult tasks,

per svolgere questi compiti impegnativi

ma questa tecnica si è rivelata poco efficace.

and it just turned out to not work very well.

But in the last 15 years, a single approach

Negli ultimi 15 anni, però,

è bastata una sola strategia per migliorare inaspettatamente,

unexpectedly advanced all these different problem spaces all at once:

i diversi spazi del problema,

in una volta sola: le reti neurali.

neural networks.

So neural networks are not a new idea.

Le reti neurali non sono una novità.

They're kind of loosely based

Si basano a grandi linee

on some of the properties that are in real neural systems.

su alcune delle proprietà dei veri sistemi neurali.

And many of the ideas behind neural networks

E molte idee relative alle reti neurali

have been around since the 1960s and 70s.

esistono dagli anni Sessanta e Settanta.

A neural network is what it sounds like,

Una rete neurale come suggerisce il nome,

a series of interconnected artificial neurons

è costituita da neuroni artificiali interconnessi tra loro

that loosely emulate the properties of your real neurons.

che emulano le caratteristiche dei veri neuroni.

An individual neuron in one of these systems

Ogni singolo neurone di queste reti ha un serie di input,

has a set of inputs,

each with an associated weight,

ognuno dei quali è associato ad un peso e il suo l’output

and the output of a neuron

is a function of those inputs multiplied by those weights.

è una funzione degli input moltiplicata per il peso.

So pretty simple,

Abbastanza semplice, e tanti di loro lavorano insieme

and lots and lots of these work together to learn complicated things.

So how do we actually learn in a neural network?

Com’è l’apprendimento nella rete neurale?

It turns out the learning process

Si ritiene che il processo di apprendimento

consists of repeatedly making tiny little adjustments

consista nel ripetere minuscoli aggiustamenti ai valori di peso,

to the weight values,

strengthening the influence of some things,

potenziare l’influenza di alcune cose e attenuare quella di altre.

weakening the influence of others.

By driving the overall system towards desired behaviors,

Indirizzando l’intero sistema verso i comportamenti desiderati,

tali sistemi possono svolgere compiti davvero complicati

these systems can be trained to do really complicated things,

come tradurre da una lingua all’altra,

like translate from one language to another,

detect what kind of objects are in a photo,

riconoscere gli oggetti in una foto,

all kinds of complicated things.

altri tipi di attività complesse.

I first got interested in neural networks

Ho iniziato ad appassionarmi alle reti

when I took a class on them as an undergraduate in 1990.

neurali nel 1990 durante un corso universitario.

At that time,

All’epoca le reti neurali ottenevano ottimi risultati

neural networks showed impressive results on tiny problems,

se applicate a piccoli problemi ma non le si impiegava concretamente

but they really couldn't scale to do real-world important tasks.

per svolgere compiti importanti nel mondo reale.

But I was super excited.

Ma ero molto entusiasta.

(Laughter)

(Risate)

I felt maybe we just needed more compute power.

Forse occorreva più potenza computazionale.

And the University of Minnesota had a 32-processor machine.

L’Università del Minnesota aveva una macchina con processori a 32 bit.

I thought, "With more compute power,

Ho pensato “con più potenza computazionale

boy, we could really make neural networks really sing."

le reti neurali faranno grandi cose.”

So I decided to do a senior thesis on parallel training of neural networks,

Ho scritto la tesi di laurea sull’addestramento delle reti neurali,

l’idea di far lavorare tutti i processori di un computer o di un sistema informatico

the idea of using processors in a computer or in a computer system

to all work toward the same task,

allo stesso compito, ovvero addestrare le reti neurali.

that of training neural networks.

32 processors, wow,

Wow, con processori a 32 bit raggiungeremo grandi obiettivi.

we’ve got to be able to do great things with this.

But I was wrong.

Invece mi sbagliavo.

Avevamo bisogno di una potenza computazionale

Turns out we needed about a million times as much computational power

un milione di volte superiore a quella disponibile nel 1990,

as we had in 1990

before we could actually get neural networks to do impressive things.

prima che le reti neurali potessero fare cose notevoli.

But starting around 2005,

Ma, a partire dal 2005 circa,

grazie al progresso informatico raggiunto con la Legge di Moore,

thanks to the computing progress of Moore's law,

abbiamo iniziato ad avere una tale potenza computazionale,

we actually started to have that much computing power,

and researchers in a few universities around the world started to see success

che i ricercatori di varie università di tutto il mondo

hanno visto un possibile impiego delle reti

in using neural networks for a wide variety of different kinds of tasks.

neurali per svolgere moltissimi compiti diversi.

A Google ci è giunta voce di alcuni di questi successi e abbiamo deciso di

I and a few others at Google heard about some of these successes,

and we decided to start a project to train very large neural networks.

iniziare un progetto per addestrare reti neurali molto estese.

One system that we trained,

Abbiamo addestrato un sistema somministrandogli 10 milioni di

we trained with 10 million randomly selected frames

fotogrammi selezionati casualmente da video su YouTube.

from YouTube videos.

The system developed the capability

Il sistema ha sviluppato la capacità di riconoscere qualsiasi tipo di oggetto.

to recognize all kinds of different objects.

And it being YouTube, of course,

Trattandosi di YouTube,

it developed the ability to recognize cats.

ha sviluppato la capacità di riconoscere i gatti.

YouTube is full of cats.

YouTube è pieno di gatti.

(Laughter)

(Risate)

But what made that so remarkable

Ma la cosa straordinaria è che

is that the system was never told what a cat was.

non si è detto mai al sistema cosa sia un gatto.

So using just patterns in data,

Quindi, usando solo dei modelli di dati,

the system honed in on the concept of a cat all on its own.

il sistema, da solo, ha affinato il concetto di gatto.

All of this occurred at the beginning of a decade-long string of successes,

Tutto ciò accadeva all’inizio di un lungo decennio di successi dove si sono

of using neural networks for a huge variety of tasks,

usate reti neurali per vari compiti,

sia su Google che altrove.

at Google and elsewhere.

Many of the things you use every day,

Molte funzioni che usiamo ogni giorno come:

things like better speech recognition for your phone,

un riconoscimento vocale per il telefono;

improved understanding of queries and documents

una comprensione di domande e documenti

for better search quality,

per cercare e capire al meglio

delle informazioni geografiche per consolidare le mappe e così via.

better understanding of geographic information to improve maps,

and so on.

Around that time,

In quel periodo eravamo esaltati di come si potesse costruire

we also got excited about how we could build hardware that was better tailored

un hardware che rispondesse meglio

to the kinds of computations neural networks wanted to do.

ai tipi di calcoli richiesti dalle reti neurali.

Neural network computations have two special properties.

Le reti di calcolo hanno due proprietà.

The first is they're very tolerant of reduced precision.

Prima: tollerano bene una ridotta precisione.

Couple of significant digits, you don't need six or seven.

Non servono 6/7 cifre, ma un paio significative.

And the second is that all the algorithms are generally composed

Seconda: di solito tutti gli algoritmi sono fatti

of different sequences of matrix and vector operations.

di varie sequenze di operazioni di matrici e di vettori.

So if you can build a computer

Quindi, se si riesce a costruire un pc che fa molto bene operazioni

that is really good at low-precision matrix and vector operations

di matrici e vettori a bassa precisione, ma che non è in grado di fare molto

but can't do much else,

that's going to be great for neural-network computation,

altro per il calcolo delle reti neurali va benissimo,

even though you can't use it for a lot of other things.

anche se non è utilizzabile per tante altre cose.

And if you build such things, people will find amazing uses for them.

Si potranno trovare usi sorprendenti per cose di questo tipo.

This is the first one we built, TPU v1.

La prima che abbiamo costruito è: TPU v1

"TPU" stands for Tensor Processing Unit.

“TPU” sta per Unità di Elaborazione Tensoriale.

These have been used for many years behind every Google search,

queste , per molti anni sono state usate in

ogni ricerca di Google per la traduzione,

for translation,

in the DeepMind AlphaGo matches,

nelle partite di DeepMind AlphaGo,

so Lee Sedol and Ke Jie maybe didn't realize,

forse Lee Sedol e Ke Jie non se ne sono accorti,

but they were competing against racks of TPU cards.

ma stavano sfidando veri e propri apparati di schede TPU.

And we've built a bunch of subsequent versions of TPUs

Inoltre, abbiamo costruito tante versioni di TPU,

that are even better and more exciting.

persino migliori e interessanti.

But despite all these successes,

Nonostante questi successi,

I think we're still doing many things wrong,

penso che stiamo sbagliando ancora molte cose,

and I'll tell you about three key things we're doing wrong,

e ve ne citerò 3 e vi dirò come le sistemeremo.

and how we'll fix them.

The first is that most neural networks today

Il primo: la maggioranza delle reti neurali

are trained to do one thing, and one thing only.

oggi è allenata a fare solo un’unica cosa.

You train it for a particular task that you might care deeply about,

La alleni per un determinato compito che potrebbe interessarti molto

but it's a pretty heavyweight activity.

ma è un’attività di un certo peso.

You need to curate a data set,

Devi curare un set di dati,

you need to decide what network architecture you'll use

decidere quale architettura di rete usare per quel problema,

for this problem,

you need to initialize the weights with random values,

inizializzare i pesi con valori casuali,

apply lots of computation to make adjustments to the weights.

applicare molti calcoli per aggiustare i valori di peso.

And at the end, if you’re lucky, you end up with a model

E infine, se hai fortuna, ti ritrovi con un modello

that is really good at that task you care about.

che svolge benissimo il compito di tuo interesse.

But if you do this over and over,

Ma, se lo ripeti più e più volte,

you end up with thousands of separate models,

ti ritrovi con migliaia di modelli divisi,

each perhaps very capable,

ognuno dei quali, forse, capace di

funzionare bene ma diverso per i compiti che ti interessano.

but separate for all the different tasks you care about.

But think about how people learn.

Ora pensate a come impariamo.

In the last year, many of us have picked up a bunch of new skills.

L’anno scorso in molti abbiamo

imparato a fare un sacco di cose.

I've been honing my gardening skills,

Io sono migliorato nel giardinaggio idroponico verticale.

experimenting with vertical hydroponic gardening.

To do that, I didn't need to relearn everything I already knew about plants.

Per farlo, non avevo bisogno di imparare

ancora ciò che già sapevo sulle piante.

I was able to know how to put a plant in a hole,

Sapevo come mettere una pianta in una buca,

how to pour water, that plants need sun,

come innaffiarla, del suo bisogno del sole,

and leverage that in learning this new skill.

e come sfruttare le mie abilità per imparare questo nuovo lavoro.

Computers can work the same way, but they don’t today.

I computer possono funzionare così, ma ancora non lo fanno.

If you train a neural network from scratch,

Allenare da zero una rete neurale, in effetti

it's effectively like forgetting your entire education

significherebbe resettare le conoscenze ogni volta

every time you try to do something new.

That’s crazy, right?

Folle, no?

So instead, I think we can and should be training

Invece penso che potremmo allenare modelli multitasking capaci di eseguire

multitask models that can do thousands or millions of different tasks.

migliaia o milioni di compiti diversi.

Each part of that model would specialize in different kinds of things.

Ogni parte di quel modello avrà una funzione specifica.

And then, if we have a model that can do a thousand things,

E poi, se abbiamo un modello capace di fare migliaia

and the thousand and first thing comes along,

di cose e la prima progredisce, possiamo

we can leverage the expertise we already have

fare leva sulle competenze possedute in attività analoghe

in the related kinds of things

so that we can more quickly be able to do this new task,

così che il nuovo compito sia svolto più velocemente

just like you, if you're confronted with some new problem,

proprio come quando affronti un nuovo problema

you quickly identify the 17 things you already know

e subito individui le 17 cose che sai

that are going to be helpful in solving that problem.

ti aiuteranno a risolverlo.

Second problem is that most of our models today

Secondo: la maggioranza dei modelli attuali

deal with only a single modality of data --

gestisce una sola tipologia di dati

with images, or text or speech,

immagini, testi, discorsi,

but not all of these all at once.

ma non tutti nello stesso momento.

But think about how you go about the world.

Pensate al nostro relazionarsi col mondo.

You're continuously using all your senses

Si usano continuamente i sensi

to learn from, react to,

per imparare, per reagire,

figure out what actions you want to take in the world.

per capire che azione intraprendere.

Makes a lot more sense to do that,

è la cosa più ragionevole da fare,

and we can build models in the same way.

e così possiamo costruire dei modelli.

We can build models that take in these different modalities of input data,

si possono creare modelli che ricevono

input di diverso genere:

text, images, speech,

dati, testi, immagini, discorsi e che li uniscono

but then fuse them together,

so that regardless of whether the model sees the word "leopard,"

Così indipendentemente dal modello,

alla parola “leopardo”,

sees a video of a leopard or hears someone say the word "leopard,"

al video di un leopardo

o sentendo la parola “leopardo”,

the same response is triggered inside the model:

nel modello si attiverà la stessa risposta:

the concept of a leopard

il concetto di leopardo può essere collegato a vari tipi di dati,

can deal with different kinds of input data,

even nonhuman inputs, like genetic sequences,

anche di origine non umana come le sequenze genetiche,

3D clouds of points, as well as images, text and video.

nuvole 3D di punti, immagini, testi e video.

The third problem is that today's models are dense.

Terzo: i modelli di oggi sono densi.

There's a single model,

C’è un unico modello, completamente attivato per ogni compito,

the model is fully activated for every task,

for every example that we want to accomplish,

per ogni esempio che vogliamo realizzare,

whether that's a really simple or a really complicated thing.

che sia molto semplice o molto complicato.

This, too, is unlike how our own brains work.

Anche questo è diverso da come agisce il cervello.

Different parts of our brains are good at different things,

Varie parti del nostro cervello sono preposte a vari compiti,

and we're continuously calling upon the pieces of them

e noi ricorriamo costantemente alle più adatte

that are relevant for the task at hand.

a svolgere l’operazione richiesta.

For example, nervously watching a garbage truck

Per esempio, mentre guardiamo con ansia il camion della spazzatura

back up towards your car,

venire verso la nostra auto, non penseremo a Shakespeare.

the part of your brain that thinks about Shakespearean sonnets

is probably inactive.

(Laughter)

AI models can work the same way.

I modelli di IA possono operare così

Instead of a dense model,

Invece di un modello denso,

we can have one that is sparsely activated.

possiamo averne con attivazione sparsa.

So for particular different tasks, we call upon different parts of the model.

Quindi per compiti particolari ricorriamo a diverse parti del modello.

During training, the model can also learn which parts are good at which things,

Nella fase di formazione, il modello può anche

imparare chi fa bene cosa,

to continuously identify what parts it wants to call upon

in modo da identificare continuamente le parti da scegliere

in order to accomplish a new task.

per svolgere un nuovo compito.

The advantage of this is we can have a very high-capacity model,

Il vantaggio consiste nell’avere un modello ad elevate capacità

but it's very efficient,

e molto efficiente perché ci serviamo solo

because we're only calling upon the parts that we need

delle parti necessarie per un dato compito.

for any given task.

So fixing these three things, I think,

Risolvere questi tre problemi, penso,

will lead to a more powerful AI system:

porterà a un sistema di IA più potente:

instead of thousands of separate models,

anziché migliaia di modelli separati, formare pochi modelli multifunzionali

train a handful of general-purpose models

that can do thousands or millions of things.

in grado di eseguire migliaia o milioni di compiti.

Instead of dealing with single modalities,

Anziché singole modalità, si gestiscono tutte le

deal with all modalities,

and be able to fuse them together.

modalità e le si uniscono fra loro.

And instead of dense models, use sparse, high-capacity models,

E anziché usare modelli densi,

ne usano sparsi ad alta capacità,

where we call upon the relevant bits as we need them.

nei quali si richiamano le parti appropriate quando necessario.

We've been building a system that enables these kinds of approaches,

Abbiamo creato un sistema che rende possibili questi approcci,

and we’ve been calling the system “Pathways.”

e lo abbiamo chiamato “Pathways”.

So the idea is this model will be able to do

L’idea alla base è avere un modello in grado di svolgere

thousands or millions of different tasks,

migliaia o milioni di compiti diversi,

and then, we can incrementally add new tasks,

poi potremo aggiungerne altri progressivamente

and it can deal with all modalities at once,

e potrà gestire insieme tutte le modalità,

and then incrementally learn new tasks as needed

e quindi al bisogno imparare gradualmente nuovi

and call upon the relevant bits of the model

compiti e ricorrere alle parti attinenti del modello

for different examples or tasks.

per diversi esempi o compiti.

And we're pretty excited about this,

Siamo molto entusiasti,

we think this is going to be a step forward

pensiamo che ciò porterà a progressi nel creare sistemi di IA.

in how we build AI systems.

But I also wanted to touch on responsible AI.

Ma volevo anche accennare all’uso responsabile dell’IA

We clearly need to make sure that this vision of powerful AI systems

Chiaramente dobbiamo assicurarci

che l’idea di avere sistemi potenti di IA vada

benefits everyone.

a vantaggio di tutti.

These kinds of models raise important new questions

Questi modelli sollevano nuove questioni importanti

about how do we build them with fairness,

sul come costruirli con onestà e interpretabilità,

interpretability, privacy and security,

rispettando la privacy e la sicurezza e tenendo a mente tutti gli utenti.

for all users in mind.

For example, if we're going to train these models

Ad esempio, se addestriamo questi modelli

on thousands or millions of tasks,

a svolgere migliaia o milioni di compiti,

we'll need to be able to train them on large amounts of data.

dovremo anche addestrarli usando moltissimi dati.

And we need to make sure that data is thoughtfully collected

E dobbiamo assicurarci che questi dati siano raccolti con attenzione

and is representative of different communities and situations

e siano caratteristici di diverse comunità e contesti in tutto il mondo.

all around the world.

And data concerns are only one aspect of responsible AI.

E le preoccupazioni relative ai dati

sono solo un aspetto dell’IA responsabile.

We have a lot of work to do here.

Abbiamo molto lavoro da fare.

So in 2018, Google published this set of AI principles

Nel 2018, Google ha pubblicato dei “principi sull’IA”

by which we think about developing these kinds of technology.

che usiamo come base per lo sviluppo di queste tecnologie

And these have helped guide us in how we do research in this space,

Ci sono stati d’aiuto per fare ricerche in questo campo,

how we use AI in our products.

per usare l’IA nei nostri prodotti.

And I think it's a really helpful and important framing

Credo che sia un quadro utile e importante

for how to think about these deep and complex questions

per riflettere sulle domande profonde e complesse

about how we should be using AI in society.

riguardanti l’uso dell’IA nella società.

We continue to update these as we learn more.

Man mano che acquisiamo nuove conoscenze le aggiorniamo continuamente.

Many of these kinds of principles are active areas of research --

Molti di questi principi sono aree attive di ricerca --

super important area.

super importanti.

Moving from single-purpose systems that kind of recognize patterns in data

Passare da sistemi monofunzionali

che riconoscono degli schemi nei dati

to these kinds of general-purpose intelligent systems

a sistemi multifunzionali intelligenti

that have a deeper understanding of the world

che hanno una visione più approfondita del mondo

will really enable us to tackle

ci permetterà di affrontare alcuni dei problemi più grandi

some of the greatest problems humanity faces.

che affliggono l’umanità.

For example,

Per esempio, saremo in grado di diagnosticare più malattie;

we’ll be able to diagnose more disease;

we'll be able to engineer better medicines

progettare farmaci migliori trasferendo a questi modelli

by infusing these models with knowledge of chemistry and physics;

conoscenze di chimica e fisica;

we'll be able to advance educational systems

Saremo in grado di promuovere sistemi di formazione

by providing more individualized tutoring

fornendo un tutoring più individualizzato per

to help people learn in new and better ways;

aiutare tutti a imparare in modo innovativo

we’ll be able to tackle really complicated issues,

saremo in grado di affrontare problemi complessi,

like climate change,

come il cambiamento climatico e forse progettare soluzioni di energia pulita.

and perhaps engineering of clean energy solutions.

So really, all of these kinds of systems

Tutti questi tipi di sistemi, in realtà,

are going to be requiring the multidisciplinary expertise

richiederanno la competenza multidisciplinare

di persone di tutto il mondo.

of people all over the world.

So connecting AI with whatever field you are in,

quindi per fare progressi è importante collegare l’IA con

in order to make progress.

qualsiasi settore in cui si opera.

So I've seen a lot of advances in computing,

Ho visto molti progressi nell’informatica,

and how computing, over the past decades,

e come, negli ultimi decenni,

has really helped millions of people better understand the world around them.

questa abbia aiutato milioni di persone a

comprendere meglio il mondo che li circonda

And AI today has the potential to help billions of people.

e l’IA oggi ha le potenzialità per aiutare miliardi di persone.

We truly live in exciting times.

Viviamo in tempi davvero entusiasmanti.

Thank you.

Vi ringrazio.

(Applause)

(Applausi)

Chris Anderson: Thank you so much.

Chris Anderson: Grazie mille.

I want to follow up on a couple things.

Vorrei proseguire con un paio di cose.

This is what I heard.

Da quel che ho sentito,

Most people's traditional picture of AI

l’idea classica che la maggior parte di noi si è fatta dell’IA è quella di

is that computers recognize a pattern of information,

computer che riconoscono uno schema ricorrente di informazioni

and with a bit of machine learning,

e con un po’ di machine learning

they can get really good at that, better than humans.

possono diventare più bravi di noi.

What you're saying is those patterns

Lei sta dicendo che quegli schemi

are no longer the atoms that AI is working with,

non rappresentano più le particelle elementari con le quali

that it's much richer-layered concepts

lavora l’IA bensì dei concetti molto più strutturati,

that can include all manners of types of things

che possono includere tutti i tipi di informazioni

that go to make up a leopard, for example.

che compongono, ad esempio, un leopardo.

So what could that lead to?

A cosa potrebbe portare?

Give me an example of when that AI is working,

Mi faccia un esempio di quando funziona quel tipo di IA,

what do you picture happening in the world

cosa si immagina possa accadere nel mondo

in the next five or 10 years that excites you?

nei prossimi 5 o 10 anni che la entusiasma?

Jeff Dean: I think the grand challenge in AI

Jeff Dean: La grande sfida dell’IA

is how do you generalize from a set of tasks

è generalizzare una serie di compiti già noti per estenderli allo svolgimento

you already know how to do

to new tasks,

di nuovi compiti nel modo più semplice e agile possibile.

as easily and effortlessly as possible.

And the current approach of training separate models for everything

Oggi la strategia di addestrare modelli distinti per qualsiasi cosa

means you need lots of data about that particular problem,

richiede grandi quantità di dati relativi al problema specifico,

because you're effectively trying to learn everything

perché si tenta di imparare in modo efficace tutto ciò

about the world and that problem, from nothing.

che riguarda il mondo e il problema partendo da zero.

But if you can build these systems

Ma se si possono realizzare

that already are infused with how to do thousands and millions of tasks,

sistemi già predisposti per eseguire migliaia e milioni di compiti,

then you can effectively teach them to do a new thing

sarà possibile insegnare con efficacia a fare qualcosa di nuovo usando

with relatively few examples.

relativamente pochi esempi.

So I think that's the real hope,

Penso che la vera speranza sia avere

that you could then have a system where you just give it five examples

un sistema a cui bastano cinque soli esempi per imparare a svolgere

of something you care about,

and it learns to do that new task.

un nuovo compito scelto.

CA: You can do a form of self-supervised learning

CA: Si può fare una forma

di apprendimento auto-supervisionato basata su un seeding minimo.

that is based on remarkably little seeding.

JD: Yeah, as opposed to needing 10,000 or 100,000 examples

JD: Sì, al contrario di 10.000 o 100.000 esempi necessari

to figure everything in the world out.

per capire ogni cosa nel mondo.

CA: Aren't there kind of terrifying unintended consequences

CA: E questo non porta qualche tipo di conseguenza catastrofica imprevista?

possible, from that?

JD: I think it depends on how you apply these systems.

JD: Penso che dipenda da come applicate questi sistemi.

It's very clear that AI can be a powerful system for good,

È chiarissimo che l’IA può essere potente nel bene

or if you apply it in ways that are not so great,

it can be a negative consequence.

se la si applica in modi non molto positivi.

So I think that's why it's important to have a set of principles

Per questo credo sia importante avere una serie di principi

by which you look at potential uses of AI

con cui si vagliano i potenziali usi dell’IA,

and really are careful and thoughtful about how you consider applications.

considerandone le applicazioni in maniera attenta e ponderata.

CA: One of the things people worry most about

CA: Uno degli aspetti per molti più

is that, if AI is so good at learning from the world as it is,

preoccupante è che, se l’IA impara così bene dal mondo reale così com’è,

it's going to carry forward into the future

porterà avanti nel futuro

aspects of the world as it is that actually aren't right, right now.

aspetti del mondo che in realtà al momento non vanno bene.

And there's obviously been a huge controversy about that

E di recente c’è stata ovviamente un’enorme controversia

recently at Google.

su questo all’interno di Google.

Some of those principles of AI development,

È stato contestato che alcuni di questi principi dello

you've been challenged that you're not actually holding to them.

sviluppo dell’IA non vengano rispettati.

Not really interested to hear about comments on a specific case,

Senza dilungarsi su casi specifici,

but ... are you really committed?

ma ... vi siete davvero impegnati?

How do we know that you are committed to these principles?

Come facciamo a sapere che rispettate questi principi?

Is that just PR, or is that real, at the heart of your day-to-day?

È solo facciata o vero, al centro del vostro lavoro quotidiano?

JD: No, that is absolutely real.

JD: No, è assolutamente vero.

Like, we have literally hundreds of people

Abbiamo letteralmente centinaia di persone

working on many of these related research issues,

che fanno lavoro di ricerca su questi temi

because many of those things are research topics

perché si tratta di campi di ricerca a sé stanti.

in their own right.

How do you take data from the real world,

Come si fa a prendere i dati dal mondo reale,

that is the world as it is, not as we would like it to be,

cioè dal mondo così com’è, non come vorremmo che fosse, e come si possono

and how do you then use that to train a machine-learning model

utilizzare per istruire un modello di apprendimento automatico

and adapt the data bit of the scene

e adattare la parte di dati del contesto

or augment the data with additional data

o aumentare i dati con dati aggiuntivi in modo

so that it can better reflect the values we want the system to have,

da riflettere al meglio i valori che vogliamo che il sistema abbia

not the values that it sees in the world?

non i valori che vede nel mondo?

CA: But you work for Google,

CA: Ma voi lavorate per Google,

Google is funding the research.

Google sta finanziando la ricerca.

How do we know that the main values that this AI will build

Come possiamo sapere che i valori principali che questa IA costruirà sono

are for the world,

per il bene del mondo

and not, for example, to maximize the profitability of an ad model?

e non, ad esempio, per massimizzare la redditività di un modello pubblicitario?

When you know everything there is to know about human attention,

Quando sai tutto quello che c’è da sapere sull’attenzione umana,

you're going to know so much

conoscerai anche il piccolo lato strano

about the little wriggly, weird, dark parts of us.

e oscuro che si cela dentro di noi.

In your group, are there rules about how you hold off,

Nel vostro gruppo, ci sono regole su come tenersi a distanza,

church-state wall between a sort of commercial push,

creare una linea di confine da una sorta di spinta commerciale,

"You must do it for this purpose,"

“Devi farlo per questo scopo”,

so that you can inspire your engineers and so forth,

in modo da ispirare i vostri ingegneri a fare

to do this for the world, for all of us.

questo per il mondo, per tutti noi?

JD: Yeah, our research group does collaborate

Sì, il nostro team di ricerca collabora con

with a number of groups across Google,

un certo numero di gruppi all’interno di Google,

including the Ads group, the Search group, the Maps group,

tra cui Google Ads, Google Search, Google Maps,

so we do have some collaboration, but also a lot of basic research

quindi collaboriamo senz’altro ma facciamo anche

that we publish openly.

molta ricerca di base, che poi rendiamo pubblica.

We've published more than 1,000 papers last year

L’anno scorso abbiamo pubblicato più di 1000 articoli scientifici

in different topics, including the ones you discussed,

su diversi argomenti, tra cui quelli accennati ovvero

about fairness, interpretability of the machine-learning models,

la correttezza, l’interpretabilità dei modelli di machine

things that are super important,

learning, cose super importanti.

and we need to advance the state of the art in this

Dobbiamo migliorare lo stato dell’arte per continuare a fare progressi

in order to continue to make progress

to make sure these models are developed safely and responsibly.

e assicurare uno sviluppo sicuro e responsabile di questi modelli.

CA: It feels like we're at a time when people are concerned

Sembra che oggi ci sia preoccupazione

about the power of the big tech companies,

per il potere raggiunto dalle Big Tech.

and it's almost, if there was ever a moment to really show the world

E se mai c’è stato un momento di mostrare al mondo

that this is being done to make a better future,

che tutto questo è stato fatto per creare un futuro migliore,

that is actually key to Google's future,

questo è decisivo per il futuro di Google e di tutti noi.

as well as all of ours.

JD: Indeed.

JD: È proprio così.

CA: It's very good to hear you come and say that, Jeff.

CA: È stato bello averti qui e ascoltarti.

Thank you so much for coming here to TED.

Ti ringrazio per aver partecipato a TED.

JD: Thank you.

JD: Grazie a voi.

(Applause)

(Applausi)