IBM (www.research.ibm.com/cognitive-computing/) ha avviato un nuovo progetto di ricerca congiunta con quattro prestigiose università per promuovere lo sviluppo di sistemi di cognitive computing – sistemi come IBM Watson –, in grado di apprendere, ragionare e aiutare gli esperti umani a prendere decisioni complesse che coinvolgono volumi eccezionali di dati. I docenti dei quattro atenei – Carnegie Mellon University, Massachusetts Institute of Technology, New York University e Rensselaer Polytechnic Institute – studieranno le tecnologie e i metodi di supporto per la costruzione di una nuova classe di sistemi che consentiranno alle persone di interagire meglio con i Big Data, in quella che IBM ha definito una nuova era del calcolo.
“Con Watson, IBM ha dimostrato che il cognitive computing è una già una realtà in grado di fornire valore”, ha spiegato Zachary Lemnios, vice President of Strategy of IBM Research. “Sta già iniziando a trasformare il modo in cui i clienti navigano attraverso i Big Data, sta contribuendo a migliorare le conoscenze nel settore sanitario, sta cambiando il modo in cui le aziende conducono le ricerche e offrono supporto ai propri clienti. Serve, tuttavia, molta altra ricerca per identificare i sistemi, le architetture e le tecnologie di processo in grado di supportare un nuovo modello di calcolo, che permetta a sistemi e persone di collaborare in qualsiasi area di competenza”.
L’iniziativa di ricerca è stata annunciata in occasione di un convegno tenutosi presso il Thomas J. Watson Research Center, cui hanno partecipato quasi 200 docenti universitari, clienti e ricercatori IBM, che si proponeva di approfondire la comprensione dei sistemi cognitivi e di individuare ulteriori aree di ricerca da perseguire. Questa collaborazione contribuirà a gettare le basi di un Cognitive Systems Institute che, nei piani di IBM, coinvolgerà atenei, istituti di ricerca e clienti.
Gli argomenti di ricerca su cui il team inizierà a lavorare sono: come i tool e le applicazioni possono migliorare le prestazioni collettive di gruppi di medie dimensioni di esseri umani impegnati in compiti collaborativi, come i processi decisionali (Massachusetts Institute of Technology); come i progressi nella potenza di elaborazione, nella disponibilità dei dati e nelle tecniche algoritmiche potranno consentire l’applicazione pratica di svariate tecnologie di intelligenza artificiale (Rensselaer Polytechnic Institute); come disegnare sistemi in grado di supportare un’interazione naturale intelligente con tutti i tipi di informazioni, a sostegno di compiti umani complessi (Carnegie Mellon University); quale impatto ha il deep learning su molte aree della scienza, in cui il riconoscimento automatizzato di modelli è essenziale (New York University).