È capitato a tutti molte volte. Al supermercato non ci ricordiamo cosa abbiamo a casa, e cosa no.  Non sappiamo quindi cosa dobbiamo comprare. Oggi è un problema, domani smetterà di esserlo Presto infatti, in queste situazioni, tireremo fuori il nostro smartphone e con pochi tocchi saremo “dentro” al frigorifero. Il nuovo modello di Samsung Family Hub è tra quelli che daranno questa possibilità. Sarà così, a meno di non avere l’LG ThinQ, che avrà già preparato la lista della spesa in base non solo a ciò che c’è nel frigorifero, ma anche a quello che sta per scadere. Certo, se il fedele dispositivo togliesse dalla lista della spesa il gelato al cioccolato perché ha deciso che stai ingrassando, ecco, quello potrebbe essere un problema. Presumibilmente queste app potranno leggere anche le espressioni facciali ed evitare che ci si addormenti al volante. Infatti, alcune automobili semplicemente prenderanno il tuo posto alla guida. Ci sono poi soggetti come CLOi: un assistente digitale (non diverso da Alexa di Amazon o da Siri di Apple) che integra tutta la suite LG di dispositivi domestici per aiutare il padrone di casa a decidere cosa preparare per cena a seconda di ciò che c’è in frigo, preriscaldando il forno per iniziare.

Ma, oltre alla cucina, ci saranno altre aree della casa abilitate a ricevere istruzioni: la lavanderia (rilevando la quantità di carico e imparando dalle abitudini dell’utente), il soggiorno (attraverso smart speaker, come Amazon Echo o Google Home, e smart TV con comandi vocali e ricerca intelligente), la nursery (con gli smart baby monitor) e l’ingresso (con chiusure smart e telecamere di sicurezza intelligenti con WiFi). Senza dimenticare i robot aspirapolvere, come il Roomba, l’Eufy o altri, che potranno pulire i pavimenti da soli, anche quando non sarai a casa.

Dietro questi progetti c’è la combinazione di tre tecnologie ormai accessibili: sensori, connettività e intelligenza artificiale. Il prezzo dei sensori ha beneficiato ampiamente dall’enorme volume di quelli prodotti per smartphone. La connettività è esplosa grazie all’Internet delle Cose e diventerà ancora più veloce e performante con il lancio della rete 5G wireless. Il più grande progresso con il 5G (o quinta generazione), oltre alla sua alta velocità e bassa latenza, sarà la capacità di connettere molti più dispositivi alla volta, aspetto decisivo per il tipo di mondo tecnologico verso cui ci stiamo muovendo, con innumerevoli dispositivi connessi, incluse milioni di automobili che potranno (alla fine) parlare l’una con l’altra.

Tra le tre, l’intelligenza artificiale, o IA, è forse la meno compresa. Sentiamo spesso la definizione IA usata indiscriminatamente per macchine smart, big data o apprendimento automatico. Ma si tratta sempre della stessa cosa? Sì e no. Non sono esattamente lo stesso, sebbene siano strettamente correlate.

Il termine artificial intelligence fu coniato nel 1956 dallo scienziato informatico John McCarthy con riferimento al “far comportare una macchina in modi che avrebbero potuto essere definiti intelligenti se fossero stati gli esseri umani a comportarsi così”. McCarthy aggiunse, inoltre, che “ogni aspetto dell’apprendimento o ogni altra caratteristica dell’intelligenza può, in via di principio, esser descritto con così grande precisione che si potrebbe costruire una macchina in grado di replicarlo”. Quest’affermazione deve trovare ancora conferma nella pratica. Mentre un abile programmatore può fare in modo che un computer simuli ogni aspetto del pensiero e dell’apprendimento descrivibili con precisione, è invece la spiegazione esatta di come la mente umana lavori a risultare sfuggente, a questo punto. In ogni caso, il numero di funzioni presenti rappresenta lo stato dell’arte della IA oggi.

Esistono due le categorie di riferimento sul fronte IA: IA applicata, qualche volta denominata IA debole, e IA generale. Come il nome stesso suggerisce, la IA applicata è ciò che si utilizza oggi per far funzionare il tuo smart speaker. Indirizza inoltre il motore di raccomandazione su Amazon.com e controlla le auto a guida autonoma. Un aspetto che distingue la IA dai precedenti tipi di elaborazione dei dati è la sua capacità di riconoscere e rispondere al linguaggio corrente. In generale, la IA debole è un tipo di elaborazione dati che è stato sviluppato per dedicarsi a un solo compito o serie di compiti, che potrebbero essere anche piuttosto complessi, come guidare, ma comunque sempre “una cosa alla volta”. La IA generale sarebbe più simile all’intelligenza umana, anche se non è ancora a quel punto e potrebbe anche non arrivarci mai. (Un’ottima discussione sul tema si trova nel libro The Fourth Age di Byron Reese).

Circa il 60% dell’odierna IA, è stata sviluppata con l’utilizzo del machine learning. Quello del machine learning è un modo di portare un computer a svolgere certe funzioni, senza programmarle esplicitamente. Somiglia molto di più all’apprendimento mnemonico con le flashcard, che a quello attraverso la comprensione. Se hai mostrato al computer diecimila oggetti arancioni, insieme alla parola “arancione”, e altri diecimila oggetti non arancioni, con le parole “non arancione”, quel computer sarà in grado di riconoscere il colore arancione. Considerando che tutto questo processo può essere svolto in pochi secondi, una macchina allenata in questo modo può imparare molte cose. E può anche continuare a imparare da nuovi dati, finché questi vengono categorizzati. Il resto della IA si basa su sistemi di regole costruiti su quelli del tipo “se-vedi-questo, allora-fai-quello” che devono essere scrupolosamente codificati dai programmatori. E ogni regola è utile per diversi tipi di applicazione.

Una delle ragioni per cui questo tipo di apprendimento automatico è divenuto così famoso è la disponibilità dei Big Data. Mentre l’idea di programmare i computer in questo modo sarebbe stata, una volta, considerata molto tediosa, la disponibilità di internet ad alta velocità, il prezzo del cloud in caduta libera e l’incredibile velocità dei computer attuali rendono questo approccio di apprendimento automatico molto più facile, rispetto ad avere scienziati e programmatori che provano a risolvere equazioni matematiche per qualsiasi cosa, come era consuetudine fare prima in programmazione.

Uno svantaggio di questo tipo di elaborazione, che è anche conosciuto come neurale o neural network computing, è che può essere eccezionale nel portare avanti un compito come, ad esempio, identificare dei volti nella folla, ma quello che non può fare è dirti come sa quello che sa. Non esiste un software a cui si possa guardare per avere una comprensione più profonda. La conoscenza è integrata nel complesso network delle associazioni e non può essere estratta o, in ogni caso, verificata, se non attraverso approfonditi test.

Dobbiamo aspettarci di vedere sempre più di queste cose in futuro. Secondo un report di Dell Technologies, il 72% dei dirigenti d’azienda si aspetta che la IA sia “il più grande beneficio per il business in futuro”. Questo significa che ci investiranno molti soldi.

Quindi, i device di casa tua saranno presto più smart di te? Di certo, molto dipende da quale definizione tu dia di smart, ma mentre ognuno dei tuoi gadget potrà fare una o due cose specifiche meglio di te, tu non solo hai un numero infinito di abilità, ma hai anche un’innata profonda conoscenza di quando usarle e come combinarle in base alla situazione. E ci vorrà davvero molto tempo prima che una macchina possa fare questo.