Capire come lavorano le reti neuronali potrebbe valere ben presto miliardi di dollari. Non è una sfida semplice, né è scontato che si possa vincere, ma la posta in gioco è altissima e nella Silicon Vally lo sanno bene: le migliori menti sono state messe a studiare sé stesse e i meccanismi che  le portano a essere così performanti. Non importa che siano start-up con poche decine di dipendenti o colossi del calibro di Apple, Microsoft, Google, IBM e Facebook. Tutti sono alla ricerca dell’alchimia perfetta per creare le Intelligenze Artificiali.
 
Insegnare ai chip il ragionamento

Uno dei più famosi esperti in questo campo è Demis Hassabis, per un terzo neuroscienziato, per un terzo sviluppatore di videogame e per un terzo ricercatore sulle intelligenze artificiali. Il suo ragionamento è molto semplice: “L’intelligenza artificiale che vediamo applicata oggi consiste sostanzialmente in istruzioni impartite al computer che, in buona sostanza, dopo aver riconosciuto le diverse situazioni per cui è stato programmato, esegue gli "ordini" ricevuti. Ma la vera Intelligenza Artificiale è quella in cui il computer apprende dall’esperienza le relazioni ottimali tra problemi e soluzioni ed è in grado di cambiare autonomamente software e anche hardware per migliorarsi”.
 
Il Machine Learning
Questo è l’obiettivo che si sono poste le società che fanno ricerca sul tema. Le maggiori aspettative sono ora sul deep learning e sulla machine intelligence. I big data sono una risorsa importante per le analisi qualitative e quantitative, ma rimane il problema di riuscire a processare e sfruttare questa enorme mole di informazioni. Per farlo, il software deve poter funzionare come i neuroni del nostro cervello. Con il Machine Learning i computer possono fare previsioni su un determinato comportamento a partire dagli schemi del passato. Pensate che cosa potrebbero fare se imparassero a leggere i futuri movimenti dei listini borsistici in base alle loro reazioni già avvenute in contesti simili. Sentient Technologies sta cercando di sviluppare un modello simile a partire da una tecnologia che ha già in casa e ha ricevuto oltre 100 milioni di dollari per continuare i propri test. Sempre in fatto di Machine Learning, Google ha tirato fuori più di 600 milioni di dollari per la startup DeepMind.
 
I progetti in gioco
Le idee non mancano, soprattutto se si tratta di soluzioni applicate a questioni particolari. Ibm ha avviato la produzione di un chip che supporta gli oncologi nella scelta delle cure per ciascun paziente. Oppure c’è il caso di Vicarious, che vuole creare un computer che risolva i captcha e che quindi dimostri a un altro computer di non essere un computer, ma una persona. Qui i finanziamenti sono arrivati a 72 milioni di dollari. Poi troviamo software che effettuano il riconoscimento facciale, che traducono istantaneamente un discorso tra due persone, che fanno da assistenti personali e dialogano con l’utente. È il caso di Cortana, anche se Microsoft ammette che serve ancora qualche perfezionamento.
L’ultimo passo sarebbe sostituire le persone nella loro occupazione. E  anche qui abbiamo un esempio: Kensho intende presentare un software che rimpiazzi il lavoro degli analisti finanziari.