digitSegnali episodio 1

Con questo post inauguriamo la rubrica <<digitSegnali>>  in cui cercheremo, ogni settimana, di raccogliere e proporvi le notizie, gli aggiornamenti più interessanti (almeno secondo noi) riguardo gli algoritmi.

Così da non rimanere indietro in quella che ormai definiamo e sentiamo nostra <<società degli algoritmi>>. L’ambito di azione degli algoritmi è sempre più ampio, dalla medicina, all’etica, passando per il “semplice” miglioramento delle foto. Buona lettura.

Un team interdisciplinare di scienziati americani ha analizzato i dati di Twitter prodotti da 105 persone a cui è stata diagnosticata depressione e 99 soggetti sani. L’obiettivo del team era quello di determinare, utilizzando un algoritmo, se si potessero individuare grazie a cambiamenti nella lingua marker potenziali della depressione. 

Le persone affette da depressione tendevano ad usare parole più negative. L’algoritmo ha rilevato segni di depressione da 100 a 200 giorni prima che i pazienti venissero diagnosticati clinicamente, il che significa che l’algoritmo potrebbe servire, davvero come strumento predittivo.  (e non è una vera novità, ci permettiamo di aggiungere visto che grazie ad un algoritmo siamo già in grado di prevedere le epidemie ad esempio, sempre per rimanere in ambito medico)

Lo studio ha, però, alcuni difetti. Questi studi sono condotti su un gruppo prescelto di persone sane e malate (spesso 1: 1), un rapporto che certamente non è valido e utilizzabile  per la popolazione terrestre in generale. Perciò non è possibile utilizzare solo i dati di questa ricerca per arrivare ad una cifra affidabile di falsi positivi e avere un dato finale non gonfiato. In secondo luogo, lo strumento è di uso limitato perché  utilizza dati che provengono da chi usa i social media.

E’, però, facile immaginare che questo algoritmo possa essere utile per monitorare i messaggi tra terapeuti e pazienti.

Gli autori della ricerca ritengono di aver creato uno strumento che possa servire ad individuare le persone che mostrano segni di malattia mentale.


I ricercatori hanno sviluppato un algoritmo che identifica tendenze suicide basate sullo studio delle attività di regioni specifiche del cervello.


 

I ricercatori hanno sviluppato uno strumento chiamato EnhanceNet-PAT, che usa l’intelligenza artificiale per generare nuovi pixel e “riempire” le immagini con poca definizione.

Si è fornito all’algoritmo un grande insieme di dati di diverse immagini, così che imparasse texture e colori differenti.

Naturalmente, questa non si tratta di magia e non tutte le foto possono essere migliorate. Per quanto riguarda le applicazioni – dice Sajjadi – lo studioso che se ne è occupato – l’algoritmo potrebbe essere utilizzato per ripristinare le vecchie foto di famiglia o dare loro una risoluzione sufficiente per stampe più grandi, potrebbe contribuire notevolmente al riconoscimento di oggetti, avere il potenziale nel rilevare pedoni e altri oggetti nelle autovetture.


L’algoritmo “Take Me to the Good Part”, creato dal servizio audiolibri del gigante tecnologico Audible (di Amazon), permette di giungere subito al dunque della storia, trovare immediatamente la scena clou del film per intenderci. Non segnala solo scene di sesso. Gli scienziati dell’azienda hanno usato un algoritmo per isolare le scene in dieci categorie, tra cui “primo incontro”, “tensione sessuale” e “primo bacio”.

L’algoritmo esegue la scansione per le parole chiave associate a momenti specifici, ad esempio associando parole come “diamante”, “anello” e “inginocchiarsi” con la categoria “proposta”.

Permetterci di entrare sommessamente  nel merito  e di aggiungere con altrettanta compostezza ma in modo deciso   che forse di questo algoritmo il genere umano potrebbe forse  fare a meno ?


Quando automatizziamo sempre più decisioni, capire come l’intelligenza artificiale “pensa” è sempre più importante.

In un articolo pubblicato sull’arXiv, i ricercatori affermano di avere scoperto un modo per mitigare il problema degli algoritmi il loro essere black box. Hanno lavorato sugli strumenti per dare un’occhiata a quello che succede sotto il cofano, ma il problema è diffuso e cresce. 

Se l’azienda non è disposta a rilasciare informazioni su come funziona il suo sistema, i modelli di approssimazione come quelli di questa ricerca sono un mezzo per ottenere una panoramica, afferma Brendan O’Connor, professore aggiunto presso l’Università di Massachusetts , Amherst.

“Dobbiamo essere consapevoli che questo sta accadendo e non chiudere gli occhi verso di essa e agire come se non accadesse”, dice O’Connor.