Da San Francisco i nuovi trend su Intelligenza Artificiale e Machine Learning immagine-preview

Apr 24, 2019

Da San Francisco i nuovi trend su Intelligenza Artificiale e Machine Learning

A 10.000 chilometri di distanza e dopo 70 ore di codice e best practice internazionali, i Data Scientist di illimity raccontano quali sono i nuovi trend di Intelligenza Artificiale con cui le aziende devono misurarsi

“AI is the new Electricity”. Questo è l’incipit di Andrew Yan-Tak Ng, Professore Associato della Stanford University e cofondatore di Coursera e Google Brain, nella slide di apertura del QCon.ai, il Summit su Intelligenza Artificiale e Machine Learning per Software Engineers più atteso dell’anno che si è appena concluso a San Francisco.

Il Summit sull’Intelligenza Artificiale

Non una frase ad effetto, ma un vero shift paradigmatico che sta tracciando l’evoluzione di ogni settore, nessuno escluso. Perché oggi tutti devono fare i conti con la seconda rivoluzione di questo millennio, quella dell’intelligenza artificiale, che può essere usata nei casi più disparati, dall’analisi del mercato azionario alle previsioni meteo, dal rilevamento di frodi delle carte di credito alla classificazione della sequenza del DNA fino alla diagnosi medica.

 

Servizi finanziari e banche in primis saranno tra i principali beneficiari di questa ondata di innovazione se riusciranno ad abbandonare legacy e resistenza al cambiamento.

 

A portare le loro testimonianze alla QCon.ai, i colossi del Tech della Silicon Valley: Google, Facebook, Uber, Paypal, Slack, ma anche molte startup.

5 trend protagonisti del Summit

Ecco alcuni dei casi di applicazione di Intelligenza Artificiale esposti durante il Summit e che ben ne esemplificano i nuovi trend:

 

Architetture Predittive attraverso pipeline di lavoro condivise in cui innestare un utilizzo efficace di algoritmi. Un caso di applicazione è quello di Uber e della sua piattaforma per collaborative feature engineering, Michelangelo, realizzata grazie a migliaia di dati spazio-temporali con l’obiettivo di mappare location e abitudini dei clienti per gestire ed ottimizzare gli spostamenti e il traffico in tempo reale;

 

Deep Learning: Airbnb ha evidenziato come il passaggio dall’uso di alberi decisionali evoluti del machine learning ad un approccio data driven basato su AI e big data come le reti neurali, abbia reso possibile creare un’offerta più coinvolgente mostrando a ciascun utente raccomandazioni e classifiche altamente personalizzate;

 

Sequential data: Natural Language, Time Series and Sound. Non solo serie storiche per predire il futuro, ma anche Natural Language Processing, ovvero feedback dal mondo delle News, del Web e dei Social. Alcuni esempi: per ridurre l’attesa dei clienti di San Francisco, Uber ha mappato i grandi eventi e, attraverso i Social, anche le piccole conferenze, ottimizzando di conseguenza il flusso dei drivers nei punti nevralgici della città, mentre Facebook ha sviluppato in open source Wav2letter++ per risolvere il tema dello speech recognition. Si tratta di un’assistente virtuale che trasforma la voce in un testo due volte più veloce dei sistemi attualmente in uso;

 

Self Driving Cars. Anita Sengupta, ingegnere aerospaziale e rocket scientist della NASA, ha raccontato dei suoi ultimi progetti legati al tema della mobilità di massa, tra i quali spunta HyperLoop, treno su monorotaia magnetica in tunnel con vuoto spinto in grado di raggiungere velocità supersoniche e velivoli a guida autonoma da inserire nel traffico urbano;

 

Solving Software engineering problems with Machine Learning. Cliff Click, co-founder di H20, ha discusso dell’utilizzo del Machine Learning per finalità di auditing di possibili comportamenti fraudolenti nelle transazioni sul mercato azionario.

 

Come dimostrano questi casi, l’intelligenza Artificiale si è diffusa ed affermata quale nuovo modo di affrontare e risolvere problemi sempre più complessi attraverso processi costanti di innovazione interna alle aziende.

 

I modelli AI che conosciamo, infatti, si basano per lo più sui grandi framework di aziende come Google, Facebook, Microsoft, PayPal, ma devono essere personalizzati per funzionare bene e fare davvero la differenza in termini di competitività e quindi di remunerazione del capitale. Al momento le startup hanno quindi, evidentemente, un vantaggio competitivo da non sottovalutare.

 

Come sempre quasi tutto nasce qui in Silicon Valley, dove l’innovazione delle grandi università diventa business in poco tempo.

 

C’è un posto per l’Italia?

Sì, a patto di valorizzare sempre più Ingegneri, Practitioners e Tech Leaders sia nelle università che nelle aziende.

 

 

di Giacomo Le Pera, Nicola Jean, Maurizio Spadaccino

 

Gli autori del reportage

Giacomo Le Pera

Laureato in Economia con un Master in Quantitative Finance, Giacomo ha un’esperienza di più di 15 anni nello sviluppo di modelli di pricing di derivati per diverse asset class focalizzandosi su credito e tasso.  Ha lavorato principalmente a Londra, inizialmente come quant di front office presso un hedge fund e successivamente in Fitch con Damiano Brigo, attuale co-head del dipartimento di mathematical finance presso l ‘Imperial College.

Successivamente è stato Director in Duff&Phelps, London dove ha guidato il team di financial engineering.

Oggi è Head of Risk Analytics in illimity, lavora su soluzioni all’avanguardia, principalmente basate su tecniche di machine learning e intelligenza artificiale per la modellazione e lo sviluppo di pricing, metriche e previsioni dei rischi. Scrive in C++, Python, Julia e C# e nel tempo libero alterna mete esotiche a voli al simulatore.

Nicola Jean

 

Nicola Jean è laureato in Fisica con il massimo dei voti. Ha conseguito un Executive MBA presso l’università Bocconi. Esperto di analisi quantitativa con un forte background nel settore bancario e finanziario.  Practitioner di Machine Learning e Intelligenza Artificiale, focalizzato sulle applicazioni Machine Learning per il settore finanziario e strumenti di Natural Language Processing per la classificazione e l’estrazione di informazioni. Scrive in Python, R, SQL, C++ per analizzare e prevedere il rischio di credito e di mercato. Membro attivo di Data Science Milan. Nel tempo libero gli piace correre e partecipare a competizioni di machine learning su Kaggle.

 

Maurizio Spadaccino

 

Senior Data Scientist e Credit Modeler di illimity Bank. Si è occupato di Trading per quasi 20 anni con esperienza in Banca Imi, Antonveneta e prima di unirsi ad illimity è stato responsabile della parte derivati di tasso in Banca Aletti e Akros. È appassionato di metodi numerici, sviluppo di applicazioni di deep learning e di Python. Nel tempo libera ama fare Surf!

 

Rimani sempre aggiornato sui
temi di StartupItalia!
iscriviti alla newsletter