Perché Deep Learning in Enerbrain?

By 18/06/2018IT

Oggi sta diventando sempre più difficile sfuggire all’impatto della tecnologia sulla vita di tutti i giorni. Gli enormi progressi che l’intelligenza artificiale ha portato avanti, dal deep learning al reinforcement learning, sono sicuramente uno dei fattori portanti di questo impatto.

In Enerbrain siamo convinti che investire nel deep learning sia importantissimo per migliorare l’efficientamento energetico degli edifici e, per conseguenza, il comfort dei nostri clienti. Per questo motivo abbiamo creato, all’interno del nostro gruppo R&D, un laboratorio di deep learning.

Ma che cos’è esattamente il Deep Learning?

Si tratta di un sottoinsieme di un sottoinsieme dell’intelligenza artificiale, che comprende la maggior parte dei sistemi logici basati su regole progettate per risolvere i problemi. All’interno dell’IA, si dispone di apprendimento automatico, che utilizza una serie di algoritmi per passare attraverso i dati per rendere  e migliorare il processo decisionale.

Inoltre, nell’apprendimento automatico si arriva all’apprendimento profondo, che può dare un senso ai dati utilizzando più livelli di astrazione.
Durante il processo di addestramento, una rete neurale profonda impara a scoprire schemi utili nella rappresentazione digitale dei dati, come suoni e immagini. Questo è il motivo per cui stiamo assistendo a ulteriori progressi per il riconoscimento delle immagini, la traduzione automatica e l’elaborazione del linguaggio naturale derivante dal deep learning. Un esempio è come Facebook può organizzare automaticamente le foto, identificare i volti e suggerire quali amici taggare. Oppure, in che modo Google può tradurre in modo programmatico 103 lingue con estrema precisione.

La storia più interessante riguarda  una piccola azienda londinese chiamata DeepMind, che quattro anni fa ha caricato sul portale scientifico ArXiv un algoritmo pioneristico, descritto nel lavoro “Playing Atari with Deep Reinforcement Learning”.

In questo articolo Deep Mind ha mostrato  come un computer abbia imparato a giocare ai videogiochi Atari, che si usavano 30 anni fa, osservando i pixel dello schermo e elaborando i dati relativi ai punteggio ottenuti. Il risultato è stato notevole, perché i giochi e gli obiettivi in ​​ogni partita erano molto diversi e progettati con difficoltà notevoli anche  per gli umani. La stessa architettura del modello, senza alcun cambiamento, è stata utilizzata per apprendere sette giochi diversi, e in tre di questi l’algoritmo ha funzionato anche meglio di un umano!

Questo risultato è stato considerato come il primo passo verso l’intelligenza artificiale generale – un’IA che può sopravvivere in una varietà di ambienti, invece di essere confinata in ambiti rigorosi come il gioco degli scacchi. Non c’è da stupirsi che DeepMind sia stato immediatamente acquistato da Google, da tempo in prima linea nella ricerca sul deep learning. Nel febbraio 2015 l’articolo sopracitato è apparso sulla copertina di Nature, una delle riviste più prestigiose nel campo della scienza. In questo articolo hanno applicato lo stesso modello a 49 giochi diversi e ottenuto prestazioni superumane in metà di essi. Il maggiore successo ottenuto da DeepMind è stato quello di battere il campione del mondo di Go, il gioco in assoluto più complicato da gestire con un algoritmo di autoapprendimento.

Enerbrain crede molto in questa tecnologia e sta investendo in ricerca per applicarla al mondo del HVAC, per riuscire ad ottenere risultati di efficienza energetica e comfort degli edifici sempre più soddisfacenti.