Secondo Prabhakar Raghavan, vice presidente della divisione Engineering di Google, intervistato da Diletta Parlangeli per Wired in occasione dell’Internet Festival 2017 svoltosi a Pisa dal 5 all’8 ottobre, «la maggior parte del successo nell’apprendimento automatico deriva da nuovi e migliori algoritmi, dall’esperienza e dall’intuizione dei ricercatori e dall’ingegneria necessaria a tradurlo in prodotti reali».

Il team Google sta lavorando a nuovi e promettenti indirizzi di ricerca, direttamente ispirati al funzionamento della mente umana. La mente umana, infatti, contrariamente ad un algoritmo di apprendimento automatico, è in grado di apprendere anche sulla base di poche informazioni. «Siamo ottimisti che gli algoritmi di machine learning possano lavorare anche su archivi più piccoli», afferma Raghavan,

Il nuovo approccio si inquadra nel processo di perfezionamento continuo del motore di ricerca, che continua ad essere il core business di Mountain View. La necessità di miglioramenti è particolarmente avvertita nel settore dell’editoria online, dove il numero di lettori è strettamente dipendente dall’accuratezza con cui i contenuti disponibili sono etichettati dal motore di ricerca.

Google ha infatti annunciato che baserà il tagging dei contenuti su algoritmi di apprendimento automatico. Dichiara Raghavan: «Il machine learning rappresenta un valore enorme per i media e può aiutarli ad affrontare i problemi più difficili: partecipazione dei lettori, aumento dei profitti ed efficienza delle redazioni». E aggiunge: «Recentemente abbiamo annunciato l’aggiornamento della API di Cloud Natural Language, che contiene un nuovo classificatore di contenuti e di sentiment, che scava nel dettaglio della storia, capendo di cosa parla in realtà».

Raghavan illustra la nuova tecnologia con un semplice esempio: «Un articolo su uno stadio hi-tech per i Golden State Warriors può tranquillamente essere classificato nella sezione “Tecnologia” di un giornale, quando invece il suo contenuto dovrebbe rientrare tanto in “Tecnologia” quanto in “Sport”. Questo sistema di tag indipendenti può far guadagnare numero di lettori fornendo raccomandazioni più intelligenti e dati migliori riguardo ai trending topics».

Fonte: Wired