Deep Text: Facebook spinge oltre il machine learning

Qualcuno la chiama Intelligenza Artificiale, qualcuno cognitive computing, qualcuno, ancora, Machine Learning; per tutti l’obiettivo è lo stesso: far sì che i computer, le macchine, arrivino non solo a correlare i dati, ma soprattutto a interpretare la realtà.
Su questo fronte sono attivi tutti i big del mondo It, Facebook compresa, che in questi giorni ha presentato il suo Deep Text, in grado di interpretare migliaia di post al secondo, in 20 lingue diverse, comprendendo per ciascuno la sostanza del messaggio.
L’assunto di partenza è che ogni giorno milioni di persone comunicano sui social network, e nello specifico su Facebook, attraverso milioni di messaggi che rivelano le modalità attraverso le quali le persone interagiscono tra loro.
Comprendere i diversi livelli di comunicazione diventa per Facebook indispensabile per aggiungere nuovi servizi alla piattaforma, ad esempio la possibilità di rimuovere automaticamente i post offensivi o denigratori, o le chatbot di cui abbiamo avuto modo di parlare tempo fa.
Deep Text è sviluppato all’interno dell’Applied Machine Learning Team, che ha dato vita a FBLearner Flow, lo strumento di intelligenza artificiale alla base di prodotti cosiddetti data-intensive, come i servizi di traduzione o i news feed.
Deep Text è di fatto un’applicazione di Deep Learning, la tecnologia sulla quale stanno lavorando davvero in tanti, con l’obiettivo di “insegnare” ai computer ad esempio a riconoscere gli oggetti all’interno delle fotografie, riproducendo di fatto su reti neurali le modalità di apprendimento del cervello umano.
Ma se il Deep Learning sta avendo qualche successo nel riconoscimento delle immagini, quando si è trattato di comprensione del testo, i risultati non sono stati altrettanto soddisfacenti.
Ed è per questo che Deep Text rappresenta un importante passo avanti: secondo Facebook si tratta di analizzare i testi così come vengono inseriti dagli utenti nei post e nei commenti e far sì che le macchine siano in grado di individuare le relazioni tra le parole, identificando anche gli errori ortografici, e capirne il senso.
Un bel passo avanti, che necessita però ancora del contributo umano: servono ancora gli uomini per definire il contesto indicando alla macchina qual è l’elemento chiave del contesto stesso.