Con Siri destinato a vedere miglioramenti significativi una volta che iOS 13 sarà stato distribuito, Apple sta puntando sempre più sull’intelligenza artificiale e ha pubblicato uno studio che spiega alcuni dei dettagli di una tecnologia di machine learning (ML) unica nel suo genere chiamata Overton. Questa settimana, inoltre, Apple sponsorizza Interspeech 2019, la più grande conferenza mondiale sull’elaborazione della lingua parlata.

Come parte del suo lavoro durante l’evento, Cupertino ha presentato numerosi documenti di ricerca e i membri dei suoi team in netta crescita che si occupano di machine learning incontreranno i partecipanti all’evento. Tra gli altri argomenti (qui la lista completa) Apple presenterà articoli sul rilevamento di espressioni/intenti attraverso la voce, il miglioramento del riconoscimento vocale, lo sviluppo di strumenti più accurati per comprendere le sfumature del parlato, l’uso del mirroring per costruire relazioni tra utenti umani e assistenti vocali e l’uso della tecnologia per ottimizzare il miglioramento del parlato.

Potremmo scoprire qualcosa in più su ciò che la Apple sta facendo in ambito machine learning sul nuovo portale Youtube di Interspeech, anche se non sappiamo se qualche video Apple sarà presenta nella lista. Non è comunque uno shock il fatto che gli esperti di Apple in questo campo dell’intelligenza artificiale stiano interagendo con la comunità scientifica. Dopotutto la società ha pubblicato sporadici documenti e annunci sul proprio portale dedicato al machine learning già dal 2017.

Presentazione di Overton

Apple afferma di avere una soluzione unica nel suo genere con Overton, che mira a consentire a gran parte della personalizzazione dei modelli di machine learning di essere amministrata dalla macchina, non dall’essere umano. L’interazione vocale è solo il front-end di ciò che accade quando fate una domanda a Siri. I modelli di apprendimento automatico devono infatti cercare di comprendere la domanda, contestualizzarla e capire la risposta più accurata. Fornire una risposta di alta qualità è in realtà più difficile di quanto sembri.

Certo, per alcune risposte tutto ciò che riceverete da Siri saranno i dati trovati su una pagina di Wikipedia (anche se pure in questo caso Siri potrebbe aver controllato diverse di queste pagine per scegliere la risposta più pertinente). L’obiettivo finale però è che Siri diventi una fonte efficace per risposte complesse a problemi complessi, anche nella misura della loro previsione.

speaker casalingo con Siri

Questi prossimi passi sono però difficili da realizzare. In che modo infatti i data scientist possono diventare più sicuri che la risposta che Siri deve fornire sia la più accurata disponibile? Questo è proprio il tipo di sfida che Apple sta affrontando con Overton, che “automatizza il ciclo di vita della costruzione, dell’implementazione e del monitoraggio dei modelli”.

In termini più spiccioli ciò significa che la macchina stessa corregge e regola i modelli di apprendimento automatico in risposta a stimoli esterni, rendendoli più accurati e riparando difetti logici che potrebbero portare a una conclusione errata. L’idea è che gli umani possano quindi concentrarsi sulla supervisione di fascia alta dei modelli di machine learning. Questo significa che invece di dover approfondire il codice sempre più complesso per apportare modifiche minori ma necessarie, gli umani possono richiedere una serie di modifiche che Overton applica.

Che usa farà Apple di Overton?

Pensiamo che le ambizioni di Apple per Siri si estendano oltre il fatto che sia l’equivalente digitale dell’amico leggermente inutile che a volte interrogate anche se sapete che potreste non ottenere una risposta utile. Siri vuole essere un aiuto vocale in grado di fornire informazioni di alto livello, analisi contestualizzate e potenziamento delle attività che già svolgono. La funzione Suggerimenti Siri va proprio in questa direzione, sebbene le implementazioni rimangano limitate.

Apple afferma che una delle principali direzioni del lavoro in corso sono i sistemi che si basano su Overton per aiutare a gestire la crescita dei dati, la supervisione programmatica e la collaborazione. Pensiamo inoltre che Overton abbia anche implicazioni sulla privacy degli utenti.

Gli scienziati di Apple costruiscono modelli che ritengono estremamente accurati. Questi modelli funzionano sul dispositivo iOS. Overton fornisce a questi modelli un certo grado di indipendenza e i sistemi di machine learning regolano i modelli per accuratezza e pertinenza, il tutto senza fornire ai ricercatori una visione dettagliata delle singole azioni.

Ciò significa che i gestori dei dati (in questo caso, i data scientist che creano questi modelli in primo luogo) occupano ruoli strategici più generalizzati in cui le informazioni relative ai singoli utenti non sono rese disponibili per loro. Apple crea macchine per l’apprendimento automatico per gestire determinate attività definite, dotando al contempo le macchine stesse di mezzi per personalizzare i modelli che utilizzano. Questa sembra essere la vera utilità di Overton e sicuramente faceva parte di ciò che ha spinto Apple ad acquistare Silk Labs.