QR code per la pagina originale

Machine Learning: ecco come Gmail risponde per noi

Il machine learning dietro le risposte automatiche e intelligenti di Gmail fa risparmiare 45 secondi per ogni mail: fate i vostri conti.

,

Stiamo andando verso un mondo dove si ragiona sulla possibilità che una macchina possa decidere della nostra vita in termini di sicurezza mondiale. Tutto però nasce da impieghi attualmente più concreti, semplici, di vita quotidiana, in particolare nell’assistenza che miliardi di persone ricevono per scegliere il brano musicale dalla playlist, mettere la spam nella posta indesiderata, tradurre da una lingua all’altra un testo o un registrato vocale. Questa magia, che magia non è ma una tecnologia che non vediamo, è basata sull’apprendimento automatico: una rivoluzione lenta, sotterranea, ma gigantesca, di cui si è molto parlato all’Internet Festival di Pisa.

L’incontro con Prabhakar Raghavan al panel su “Le due facce della conoscenza” è stato uno dei più interessanti e stupefacenti, specie per il pubblico in sala, composto soprattutto da studenti. Il vice presidente del dipartimento di Ingegneria di Google conosce bene Pisa: nel 1997 era un giovane ingegnere esperto di algoritmi che proprio in questa città in una lezione coi ricercatori dell’Università parlò di un algoritmo particolare, PageRank, e di una startup californiana che ci stava lavorando e prometteva bene. Sappiamo com’è andata a finire.

Nel suo intervento ha raccontato non tanto la scienza e la tecnologia, ma il processo che permette l’utilizzo di questa scienza, che a parere dell’ingegnere somiglia di più a un’arte e comporta una riflessione approfondita delle aspettative degli utenti e delle sfide che ne derivano. Nell’informatica classica si istruisce un computer a compiere una determinata azione, ma quando il contesto è enormemente complesso e non prevedibile, si sviluppa il machine learning, cioè si lascia che sia la macchina ad apprendere automaticamente tutto quanto le serve per capire quale azione compiere. Sottile, ma determinante. «Ci si lavora da 50 anni», ha spiegato Ravaghan, «grazie al contributo di logica, inferenza statistica, filosofia, matematica».

Questi processi sono iniziati vent’anni fa con Google con un training data che oggi sembrerebbe infantile, ad esempio consentire al software di distinguere un’automobile grande da una piccola. Oggi però è integrata nel cloud Drive ed è in grado, ad esempio, di aiutare l’utente che usa i fogli di calcolo a produrre grafici o avere risposte in un tono di conversazione. Non si capisce il M.L. senza pensare alla metrica del successo. «Nove utenti su dieci non si sentono a loro agio con la matematica e le formule, e lo sappiamo proprio monitorando il loro comportamento, così abbiamo istruito il software, che ora è capace di rispondere alla domanda “ma questo mese le mie vendite sono andate meglio rispetto all’anno scorso nello stesso periodo?”. Il sistema te lo fa vedere, nelle tabelle e con un grafico che si genera in automatico».

dida

Prima di entrare a far parte di Google, Prabhakar Raghavan (a sinistra nella foto) ha lavorato presso IBM, Verity e Yahoo. È membro dell’Accademia Nazionale di Ingegneria, è stato consulting professor di informatica presso la Stanford University dal 1997 al 2014. Nel 2009 ha ricevuto la Laurea honoris causa dall’Università di Bologna. L’Italia è un paese che frequenta da molti anni, compresa Pisa, dove ha diversi amici colleghi. Raghavan è un grande esperto di algoritmi randomizzati e ha Ph.d a Berkeley, ma si è laureato a Madras nel suo paese natìo, l’India. Alla domanda sull’impatto etico più probabile dell’intelligenza artificiale, Raghavan è molto cauto: “Per come la vedo io stiamo parlando di scienza al servizio dell’uomo, ma non possiamo fingere che l’accelerazione di queste tecnologie non sia più veloce della nostra capacità di riflessione e normazione. Per questo credo che gli scienziati debbano sempre accettare di spiegare a fondo il loro lavoro e che la società dica l’ultima parola sulle eventuali conseguenze di una tecnologia, dandosi tempo per capirla e attuarla senza danni”.

Gmail: 45 secondi risparmiati per ogni mail

L’applicazione destinata a cambiare sensibilmente il nostro approccio con le risposte automatiche sarà però Gmail. Vedere il sistema di Smart Reply in lingua inglese è impressionante: la mail di Google genera risposte automaticamente in base al contenuto dell’email ricevuta, permettendo poi di inviarle in modo pressoché istantaneo con un semplice tocco sul display. Tre opzioni, le più probabili secondo, appunto, il machine learning, e si invia. Ogni lingua introdotta nel sistema significa riscrivere tutto da capo, non trattandosi di mera traduzione. Per ora è disponibile in inglese e spagnolo. L’italiano arriverà, ma ci vorrà ancora un po’ di tempo.

Ogni lingua ha caratteristiche proprie, di complessità, di contesto, e senza sfumature culturali la risposta automatica non funziona, rischierebbe seriamente di indurre in equivoci e incidenti spiacevoli. Per questo il machine learning è uguale per metodo, ma lo strumento va ideato ogni volta come la prima volta per ogni lingua.

In questo momento, a pochi mesi dall’introduzione in Gmail, la risposta automatica ha già sostituito il 10% di tutte le mail in inglese. Una quantità già mostruosa. A quanto tempo umano risparmiato corrisponde? Ravaghan fornisce un numero interessante e facile da capire: mediamente rispondere a una mail semplice comporta 45 secondi. Quindi ognuno può fare il calcolo delle sue mail personali: sono 45 secondi risparmiati moltiplicati per le mail a cui lascereste rispondere in automatico con una breve riga efficiente. Per una giornata media di un professionista, si parla già di 15-30 minuti risparmiati. Ed è solo l’inizio.

Le Smart Reply, già viste nella casella di posta elettronica Inbox e all'interno dell'applicazione Allo di Google, arrivano ufficialmente anche su Gmail