Secondo diversi studi, l’uso dell’intelligenza artificiale e, in particolare, del Machine Learning e del Natural Language Processing, può comprendere la struttura della conversazione, evidenziare le analogie ed estrarre pattern che ottimizzino la comunicazione in funzione del contesto e della condivisione delle informazioni.
Quante volte ci siamo chiesti se un differente modo di comunicare possa fare la differenza, per esempio, in termini di empatia o riduzione dei fraintendimenti.
E la scienza e la tecnologia, possono aiutarci? Il dubbio che possano giocare un ruolo chiave anche ai fini della comunicazione empatica è lecito, ma invece è così.
Oggi, a tutto questo, ci stiamo avvicinando a passi da gigante, grazie all’intelligenza artificiale nella quale sono racchiuse diverse metodologie e famiglie di algoritmi e che, a seconda delle sue applicazioni, si divide in diverse branche; il Machine Learning e il Natural Language Processing sono fra queste. Gli ambiti di applicazione possono esser molteplici e riguardare, ad esempio, il miglioramento nelle analisi del mercato borsistico, l’accuratezza delle previsioni meteo o il rilevamento di frodi delle carte di credito. Ma anche contesti molto delicati dal punto di vista emotivo, come quello sanitario.
Secondo il blog di Biomed Cue, l’area del Network di Close-up Engineering, “il machine learning utilizza metodi statistici per migliorare progressivamente la performance di un algoritmo nell’identificare pattern nei dati e fare delle predizioni su questi. Il metodo di Machine learning più diffuso è quello delle reti neurali, ispirato al processo di apprendimento del cervello. Questo metodo è utilizzato nello sviluppo di macchine ad apprendimento automatico, in cui il comportamento è modellizzato da una rete di commutazione connessa casualmente, a seguito di una routine di apprendimento basata su ricompensa e punizione (apprendimento per rinforzo)”.
In sostanza, l’idea sarebbe quella di utilizzare gli algoritmi di Machine Learning e di Natural Language Processing al fine di analizzare le conversazioni più importanti o più difficili, con l’obiettivo finale di comprenderne la struttura, evidenziarne le analogie ed estrarre dei pattern che permettano di ottimizzare la comunicazione in funzione del contesto e dell’entità delle informazioni che si desidera condividere.
Macchine in grado di pensare? Sicuramente sì, anche perché ben settant’anni fa, qualcun altro aveva messo in moto i suoi neuroni e aveva immaginato il modo in cui il mondo sarebbe stato trasformato da macchine in grado di pensare.
Stiamo parlando di Alan Turing, il celebre scienziato informatico britannico, che proprio nel suo articolo Computing machinery and intelligence del 1950, ripreso dal Financial Times, citato dal settimanale Internazionale “spiegava che i computer sarebbero potuti diventare talmente abili nell’imitare gli esseri umani che sarebbe stato impossibile distinguerli dalle persone in carne e ossa”.
“Possiamo sperare che un giorno le macchine competeranno con gli esseri umani in tutti i campi puramente intellettuali”, scrisse Turing e settant’anni dopo, grazie al rapido sviluppo di internet e all’aumento esponenziale della potenza informatica, spiega il Financial Times, si è entrati in un mondo dove il ruolo delle macchine supera anche l’immaginazione di Turing. Grazie a nuove tecniche di software, come le reti neurali e l’apprendimento profondo, gli informatici sono diventati molto più abili nell’addestrare le macchine.
L’evoluzione del Machine Learning ci regalerà sempre di più certezze anche per quanto riguarda il fattore umano nella sentiment analysis, ma sempre nell’ambito della collaborazione e non competizione con l’uomo.