Abbiamo intervistato il nostro Chief Operating Officer, Tommaso De Marchi, che terrà due lezioni alla Summer STEM Academy sul machine learning, nello specifico su Python e l’image recognition.
Raccontaci il tuo percorso di studi e professionale. Quando è nata la passione per l’informatica?
Ho iniziato a studiare informatica alle scuole medie per proseguire fino alla specializzazione in Sicurezza Informatica all’Università di Milano, con sede a Crema. Nel 2007 sono stato probabilmente tra i primi 10 a conseguire questa laurea in Italia.
Finiti gli studi ho dato il via alla mia carriera professionale con la classica gavetta, passando dal ruolo di stagista in ambito informatico al CPV (Centro Produttività Veneto), a quello di sistemista applicativo in Telecom a Padova. Un ruolo interessante che mi ha permesso di crescere molto a livello operativo e di continuare a studiare e approfondire argomenti inerenti al mondo informatico. Fin dal periodo universitario sono membro del Mensa, la tavola rotonda che incoraggia la ricerca e l’intelligenza umana.
Volendo continuare a professionalizzarmi 7 anni fa sono entrato in Shellrent.
Di cosa ti occupi in Shellrent?
Ad oggi ho un duplice ruolo in Shellrent: come coordinatore aziendale mi interfaccio con i responsabili e i titolari, specialmente per progetti che coinvolgono più reparti; inoltre, sono responsabile e operatore del reparto Infrastruttura. In sostanza, nel mio reparto ci occupiamo dei sistemi che, in modo automatizzato, vanno a configurare e gestire tutti i server. Il reparto è stato creato circa 2 anni fa, l’obiettivo primario era l’automatizzazione delle operazioni: queste ultime inizialmente erano manuali, mentre oggi stiamo gestendo i sistemi in modo che determinati processi si sviluppino senza l’intervento umano, come per esempio la configurazione di un server.
Inoltre stiamo lavorando all’aggiunta continua di nuovi servizi che siano comunque automatizzati per fornire al cliente finale quanta più scelta e personalizzazione possibile: inizialmente abbiamo lavorato sulla parte web, come http2 e il cambio live della versione di php, mentre ora su nuovi servizi di posta.
Cerchiamo di dare al cliente un servizio nuovo e completo, in sinergia specialmente con il reparto Sviluppo: molte delle funzionalità che offriamo richiedono infatti l’integrazione del Pannello Manager, un’interfaccia intuitiva per permettere all’utente di gestire tutti i servizi e chiedere assistenza in modo autonomo.
Come sono organizzate le tue lezioni per la SSA?
Avrò l’opportunità di realizzare 2 lezioni, la prima, teorica, in cui spiegherò cos’è una rete neurale, a cosa serve e come funziona il riconoscimento delle immagini da parte di un pc.
Dopo la lezione introduttiva, ci sarà un laboratorio pratico che permetterà ai ragazzi di esercitarsi con il riconoscimento delle immagini, istruendo il pc a riconoscere le immagini che gli verranno sottoposte.
Che cos’è la image recognition?
In parole semplici, la image recognition è quel ramo di studi dell’informatica che riguarda tutti quei sistemi che si occupano di riconoscere e classificare le immagini. Le teorie alla base sono molteplici ma, il mio obiettivo alla Summer STEM Academy è incuriosire gli studenti e far capire che anche un argomento così complesso come il riconoscimento delle immagini può essere semplificato.
In che modo le macchine interpretano le immagini?
Sono molti i metodi utilizzati per riconoscere le immagini e si basano quasi tutti sulla semplificazione stessa dell’immagine, spesso scorporata in pixel o semplificata per colore, ad esempio dividendo i colori primari o ottenendo i bianchi e i neri. Ogni modello è specializzato in determinati riconoscimenti, basti pensare al riconoscimento facciale: alcuni studiano i lineamenti, altri si focalizzano sulla retina, eccetera.
Come si fa image recognition con Python?
Python mette a disposizione tante librerie e strumenti già pronti per fare image recognition, permettendo di realizzare sistemi di riconoscimento di immagini potenti scrivendo poco codice: proprio per questo è un linguaggio molto utilizzato, in poche righe di codice riesce a classificare le immagini.
Come si fa a creare una rete neurale da zero? E come funziona?
Nella maggioranza dei casi con Python non serve per creare una rete neurale da zero perché i relativi sistemi neurali sono già pronti e configurati: basta “semplicemente” istruire la rete neurale di turno a riconoscere le immagini che si condividono. Per far capire la portata dell’intelligenza artificiale, ci sono dei set già pronti e istruiti per riconoscere un viso.
Se il funzionamento di un neurone di base è semplice, capire come far lavorare tra loro più neuroni è un’attività più complicata e si può ad arrivare reti più complesse e strutturate in blocchi.
La rete neurale si basa sul modello di neurone elettronico che è molto simile al neurone del cervello umano: quello artificiale prende tutti i dati in ingresso, assegna un peso ad ognuno, li somma decide l’output da generare in base a una funzione. L’attività di istruire la rete neurale risiede proprio qui: nell’assegnare un peso ad ogni informazione ricevuta.
Un’ultima domanda. Si sente sempre più spesso parlare di reti neurali, AI, deep learning, analisi semantica… Qual è la differenza tra metodologie basate su algoritmi di apprendimento (machine learning, reti neurali, deep learning) e un approccio basato su un programma fisso?
In un programma fisso la macchina non è in grado di adattarsi, di modificarsi nel tempo. Per esempio se io istruisco la macchina dicendo che l’immagine che sta guardando è un oggetto X, poi cambio un pixel di quella immagine e la macchina non la riconosce più, non sono in presenza di intelligenza artificiale (AI).
Nelle reti neurali di AI o nel machine learning, invece, il sistema è in grado di capire e adattarsi sulla base delle conoscenze. È importante distinguere tra sistemi pre-istruiti e sistemi pre-istruiti che auto-apprendono. In che senso? Il sistema pre-istruito che auto-apprende si evolve e si adatta di volta in volta in base ai feedback che riceve. Capendo le risposte degli utenti, i feedback, il sistema apprende nuove informazioni che utilizza per evolversi.
Come docente, Tommaso si rende conto della complessità dell’argomento ma crede che l’attualità del topic possa stimolare curiosità e interesse negli studenti che parteciperanno alla Summer School Academy dell’Associazione Alumni della Scuola Galileiana in collaborazione con la Scuola Galileiana e l’Associazione Alumni UNIPD.
