I veicoli a guida autonoma dovrebbero essere già sul mercato. Ma le cose non stanno esattamente così: in realtà, oggi sembra che il settore sia meno incline di cinque anni fa a favorire l'ingresso dei veicoli senza pilota. Sembrerebbe che, nel 2019, la guida in sicurezza sia ancora appannaggio degli esseri umani. Invece, in molti altri compiti, le macchine sono veramente in grado di semplificare e di eccellere. Per esempio, le macchine dimostrano un netto vantaggio quando si tratta di elaborare enormi quantità di dati ESG. E alcuni gestori finanziari riescono a sfruttarne i vantaggi.

Bruno Poulin

CEO
Ossiam
Le macchine intelligenti stanno amplificando le nostre doti cognitive, aiutandoci a reperire le informazioni giuste nel momento giusto.

Sui limiti delle macchine…

I robot sono in grado di fare molte cose. Ma non riescono ancora a guidare senza pilota. Secondo Elon Musk, le auto a guida autonoma avrebbero dovuto circolare entro il 2017, ma non siamo ancora pronti. Sembra invece che il settore stia facendo un passo indietro.

Stiamo iniziando a capire la vera complessità di compiti quali la guida di un'automobile, oltre ai rischi che ne conseguirebbero per la nostra sicurezza se non riuscissimo a fare tutto per bene. Per i computer è molto più facile batterci a scacchi o a Go, mentre guidare un'auto non è poi così scontato. Un'auto non dovrebbe confondere un vero cartello di stop con un pedone che trasporta un segnale con la scritta "stop".

In effetti, è sufficiente mostrare l'immagine di due gatti a un bambino perché in futuro il piccolo riesca a riconoscere un gatto. Per ottenere lo stesso risultato, le macchine hanno invece bisogno di centinaia di migliaia di immagini di gatti. Ci sono quindi cose che le macchine non sono in grado di fare in maniera più intelligente, sicura o veloce degli esseri umani.

Sulle macchine intelligenti e le loro applicazioni…

Le macchine intelligenti aiutano l'uomo ad ampliare le proprie capacità. Amplificano le nostre doti cognitive, aiutandoci a reperire le informazioni giusti nel momento giusto. Per esempio, la società che gestisce la nostra carta di credito interviene rapidamente per bloccarla se ritiene che ci sia stata una violazione della sicurezza.

Va poi considerata l'interazione con i clienti e i dipendenti, che ci aiuta a liberare tempo ed energie utilizzabili per compiti di livello superiore. Noi di Ossiam usiamo le tecniche di Machine Learning, per esempio, per i questionari delle richieste di offerta (RFP), dove possono esserci molte risposte simili a un insieme di domande predefinite.

Sulla combinazione tra macchine ed ESG…

ESG e Machine Learning formano un connubio perfetto. È, prima di tutto, una questione di dimestichezza. L'apprendimento automatico fa già parte della nostra vita. Amazon già oggi ci suggerisce il prossimo acquisto in base a quello che abbiamo comprato in precedenza. Il sistema migliora perché impara, decide da solo come procedere. Impara da solo, per cui riesce a evidenziare i pattern evolutivi senza l'intervento dell'uomo.

Poi c'è la sua potenza di elaborazione. Potremmo analizzare 600 diversi indicatori ESG - le macchine ci permettono di estrarre e analizzare in modo efficiente le informazioni. È anche flessibile, quindi si adatta rapidamente ai cambiamenti delle politiche ESG di un'azienda, o alla regolamentazione.

Sui problemi dei modelli black box…

Affinché algoritmi, Machine Learning e IA funzionino in modo efficace, è necessario inserire i giusti dati. Ma bisogna anche sapere che cosa uscirà dalla "scatola" e perché.

Proprio come è nostro diritto chiedere alla banca perché ci è stato rifiutato un mutuo, anche il mondo dell'asset management deve spiegare gli esiti dei compiti svolti attraverso il Machine Learning, soprattutto quando i risultati sono apparentemente illogici o controversi.