La storia di Google è legata ormai da tempo allo sviluppo dell’intelligenza artificiale, applicata nei più svariati ambiti. Anche il famoso servizio Traduttore, lanciato nel 2006, è giunto a implementare il deep learning e l’IA per offrire un servizio sempre più preciso.
In origine, il modello di Google Translate creato da Franz Josef Och superava l’approccio basato sull’applicazione delle regole grammaticali per sposare un sistema fondato sull’analisi statistica. Grazie alla statistical machine translation Och, tre anni prima del lancio di Google traduttore, aveva vinto il Darpa contest.
Nel 2016, Translate ha implementato l’intelligenza artificiale, attraverso la Google neural machine translation (Gnmt): un sistema basato su esempi di costruzione linguistica dai quali la “macchina” è in grado di “prendere ispirazione” e, dunque, fornire traduzioni più naturali.
Il nuovo approccio permette di tradurre “frasi intere in una sola volta, piuttosto che [tradurre] pezzo per pezzo”, si leggeva nella presentazione della società, “questo contesto più ampio viene sfruttato dimodoché venga adottata la traduzione più pertinente, la quale viene successivamente riorganizzata e aggiustata per renderla più simile al parlare umano con una grammatica corretta”.
Uno degli ultimi sviluppi del servizio Translate, annunciato nel giugno 2018, è la possibilità di scaricare i dizionari in modo da utilizzare le traduzioni anche in modalità offline. Nonostante i passi avanti, la traduzione automatica rivela in molte circostanze, specie in quelle più complesse, come i livelli della traduzione tradizionale, affidata alla sensibilità umana, non siano ancora raggiunti (salvaguardare il fattore umano della comunicazione è ad esempio il valore che da anni difende Global Voices, l’agenzia di traduzione scelta dalle più grandi imprese a livello mondiale).
Per Alphabet, società madre di Google, il 2016 è un anno chiave anche per un altro versante delle applicazioni dell’intelligenza artificiale: nasce Waymo, la divisione attiva nello sviluppo di vetture a guida autonoma.
Per la verità le sperimentazioni nel campo automobilistico erano iniziate già nel 2009, sotto un altro nome (Google Self-Driving Car Project), ma a partire dal 2016 un accordo con FCA ha prefigurato il primo modello commerciale di auto Google basate sulla “base” della Chrysler Pacifica. Oggi Waymo è l’unica società ad aver messo a disposizione una flotta di auto autonome al 100% (si trova a Phoenix, Arizona).
“L’intelligenza artificiale gioca un ruolo cruciale in quasi ogni parte del nostro sistema di auto-guida”, aveva scritto lo scorso maggio il Cto di Waymo, Dmitri Dolgov, “mentre la percezione è l’area più matura per il deep learning, utilizziamo anche deep nets per ogni cosa: dalla previsione alla pianificazione, alla mappatura e alla simulazione. Con il machine learning, possiamo guidare in situazioni sfumate e difficili; manovrare in aree in costruzione, cedere il passo ai veicoli di emergenza e lasciare spazio alle auto nei parcheggi paralleli”.
Anche in questo caso sono gli “esempi” con i quali le AI sono state “addestrate” a fornire loro gli strumenti necessari per riconoscere situazioni particolari e comportarsi di conseguenza: un processo simile all’apprendimento umano.
Se è vero dunque che il deep learning si sta affermando sempre di più, è la comunicazione umana, alla base del quale sta la capacità di relazionarsi col contesto, a fare da guida in questo processo di affinamento dell’intelligenza artificiale. Un modello, quello umano, che si dimostra quindi fondamentale per la comprensione del messaggio e dunque dell’apprendimento, sia nel settore delle traduzioni che in quello automotive.
A riprova dell’importanza di una comunicazione empatica, è possibile ascoltare la traduzione audio di questo articolo, disponibile anche in inglese al seguente link.
