Mentre il machine learning continua a conquistare il mondo della tecnologia, le aziende e i ricercatori al di fuori della bolla tecnologica hanno iniziato ad usarlo in modi un po’ strani e sorprendenti. Qui ci alcuni modi inaspettati in cui viene utilizzato l’apprendimento macchina.
Machine learning per giustizia e ambiente
Predire se un imputato penale è a rischio di fuga. I giudici devono decidere se l’imputato debba attendere il processo in carcere o a casa. È’ una decisione difficile. Ma un gruppo di economisti e informatici ha deciso di rendere la decisione un po’ più facile. Utilizzando i dati di centinaia di migliaia di casi di New York City, il gruppo ha formato un algoritmo per prevedere se gli imputati fossero a rischio. Quando è stato testato ha superato i giudici esperti.
Identificazione delle balene in pericolo. Il programma di ricerca bioacustica di Cornell sta utilizzando il machine learning per ridurre l’impatto ambientale delle navi da trasporto. Le navi si affidano alla tecnologia di navigazione per ottimizzare le rotte di trasporto, ma anche i sistemi di navigazione più avanzati non sono in grado di prevedere quando una creatura marina potrebbe nuotare davanti alla nave. Le collisioni accidentali tra navi da trasporto e balene hanno quasi estinto la balena dell’Atlantico settentrionale. Per mantenere al sicuro gli ultimi 400 esemplari, i ricercatori Cornell hanno addestrato un sistema di machine learning utilizzando una serie di dati sulle balene registrate. Hanno poi installato una rete di boe in tutto il mondo che scansiona l’oceano alla ricerca di balene, prevedendo la posizione e la traiettoria di una balena data la loro distanza dalle boe.
Tradurre il “legalese”. I documenti legali non sono per tutti. Ma non tutti hanno il tempo o le risorse per assumere un avvocato. Coloro che per ragioni di lavoro o altro leggono rapidamente o, peggio ancora, non li leggono affatto, documenti legali potrebbero trovarsi soggetti a sanzioni che non avevano mai previsto. Ma Legal Robot ha costruito un modello di machine learning che traduce il linguaggio legale in linguaggio di tutti i giorni. Utilizzando l’apprendimento approfondito e l’analisi topografica dei dati, Legal Robot può tradurre il gergo legale e decidere se un contratto contiene elementi che non dovrebbero essere presenti.
Prevenzione del riciclaggio di denaro. Aziende come PayPal impiegano analisti costantemente alla ricerca di segni di riciclaggio di denaro sporco. L’analista che rileva una transazione anomala che assomiglia a un riciclaggio segue una procedura standard: concepisce sia una “buona storia” (che spiega perché la transazione potrebbe essere legittima) e una cattiva (che spiega perché potrebbe non esserlo). Ma, come per qualsiasi sistema manuale, anche questa procedura è imperfetta. Ecco perché PayPal ha progettato un sistema di apprendimento automatico per prevenire il riciclaggio di denaro sporco. Utilizzando lil machne learning e altri strumenti, il sistema può decidere tra transazioni legittime e illegittime con maggiore accuratezza rispetto a un analista umano.
L’attesa al Pronto soccorso. Chiunque sia mai stato nel purgatorio di una sala d’attesa di un pronto soccorso conosce l’imprevedibilità dei tempi ospedalieri. Un gruppo di ricercatori ha sviluppato un algoritmo di machine learning in grado di prevedere i tempi di attesa dell’ospedale. Il sistema pesa diverse variabili – che si tratti di un fine settimana di vacanza, di quanto freddo è fuori, di quante persone sono in staff – per calcolare la durata di permanenza di un paziente. L’ accuratezza del sistema aumenta nel tempo, in quanto apprende di più su fattori quali il numero di persone che entrano il sabato o il numero di persone che tendono a chiamare malati in un determinato giorno.
Calcolo dei prezzi d’asta. E’ abbastanza facile per gli esperti prevedere il prezzo di vendita di un oggetto prezioso come un manufatto storico, un dipinto famoso o una rara auto. Ma che dire di un bulldozer? I macchinari usati, come bulldozer e movimento terra, vanno sempre all’asta. Tuttavia, il prezzo varia notevolmente da una all’altra. Grazie alle recenti innovazioni nell’apprendimento delle macchine, tuttavia, questo non sarà più un problema. Modelli formati su un’ampia gamma di dati, dalle dimensioni dei pneumatici di una macchina ai prezzi d’asta storici di attrezzature simili, possono prevedere i prezzi di vendita finali con una precisione superiore al 60%.
Prevenire i terremoti. Di questo in Italia ce ne sarebbe molto bisogno. Circa 10.000 persone muoiono ogni anno a causa di terremoti, quindi i ricercatori sono sempre alla ricerca di metodi per predirli. Un paio di scienziati del Los Alamos National Laboratory hanno compiuto un primo passo cruciale in questa direzione. I ricercatori hanno creato una simulazione sismica di laboratorio: un modello costituito da blocchi separati da un abisso, o “linea di guasto”. Hanno poi formato un algoritmo di apprendimento della macchina per rilevare le emissioni acustiche dal modello. In altre parole, imparando ciò che un terremoto “suona” appena prima che accada, il modello ha saputo “ascoltare” i terremoti futuri. Il modello Ml in laboratorio ha eseguito con incredibile precisione, anche rilevando un terremoto non imminente, soprendendo i geologi.
