Embedding test
- Renzo Carlucci
- Notizie
- Visite: 1678
Test embedding mappa da Georoma con permalink
Di seguito si mostra un test di embedding di mappa ottenibile dal servizio GeoRoma, realizzadal menu >CONDIVIDI del MapStore:
Embedding test
Di seguito si mostra un test di embedding di mappa ottenibile dal servizio GeoRoma, realizzadal menu >CONDIVIDI del MapStore:
Il sistema Formaromae può essere inteso come un innovativo motore di ricerca dei Beni immobili di valenza culturale basato sull’ intelligenza artificiale, finanziato con un progetto PON Metro 2014-20. Attualmente opera sul territorio di Roma Capitale e del Comune di Tivoli, ma è predisposto per estendersi all’ intera area metropolitana e, attraverso il riuso, ad altri distretti territoriali.
Il nostro robot Formaromae è quasi pronto, grazie a DXC probabilmente per fine mese saranno assemblati la maggior parte dei suoi componenti; ma in fondo questa è la parte più facile, sommare e collegare tutti quei containers che riteniamo utili al suo funzionamento (anche se inevitabilmente strada facendo potremmo accorgerci che serve ancora qualcosa). Non ce ne facciamo nulla di un robot stupido, e se è vero che nasce capace di imparare dall’ esperienza, nonostante la sua velocità di apprendimento potrebbero volerci anni e miliardi di interazioni con utenti e altre macchine prima che impari qualcosa di utile…..
Riprendendo la metafora che ho usato finora per spiegarmi con i non informatici vogliamo da lui essenzialmente tre cose: che impari a pescare, a cucinare e ad assecondare i gusti degli utenti.
Per la prima attività lo stiamo fornendo di un drive di metadati cioè delle regole per rivolgersi alle diverse fonti ed ottenere da loro i dati da elaborare, basteranno pochi algoritmi perché lo faccia in modo rapido ed efficiente; anche la funzione di mescolare, deduplicare i dati e ripresentarli con le due opzioni di approfondimento (scalare orizzontalmente e verticalmente) non presenta particolari problemi, potrà attingere alla sapienza cioè agli algoritmi di molti suoi “progenitori” che operavano nel campo della business intelligence. La parte più delicata è la terza funzione, quella di aderire ai desideri degli utenti e in qualche modo prevenirli. E’ verissimo che appunto sarà l’esperienza a guidarlo, tuttavia prima che i dati diventino “big” ci vorrà un bel poco di tempo per cui è il caso di fornirgli un nostro “inprinting” di base con nozioni elementari e consolidate intorno a cui far crescere la sua esperienza.
La conoscenza nell’ uomo si è sviluppata a partire dal linguaggio e la cosa non è diversa per le macchine (non a caso riescono a fare meglio alcune cose in base al linguaggio con cui sono programmate) sarebbe utile quindi per prima cosa fornirgli un dizionario dei sinonimi “tecnici” in modo che possa gestire in modo unificato cose che possono avere nomi diversi; la seconda conoscenza di base di cui possiamo dotarlo è saper cogliere l’ affinità tra vari oggetti, affinità che potrebbe essere gerarchica (la porta è parte di una cinta muraria) o tipologica, il colombario e il mausoleo sono due tipi di tombe.
Vi invito qui a generare in maniera condivisa e interattiva entrambe le basi di conoscenza, sarà poi compito degli informatici di far “assimilare” queste nozioni al nostro robot.
Per produrre questi dati sto pensando di sviluppare un piccolissimo applicativo su cui ciascuno di voi possa lavorare a tempo perso riversando la propria esperienza.
Per i sinonimi è semplice, sforneremo un glossario e ciascuno potrà collegare tra loro uno o più termini, per le affinità invece propongo il gioco del filo di parole per generare un certo numero di chain (anche a partire dal glossario dei sinonimi) che liberamente creino sequenze in cui ogni termine è legato (non importa come) al precedente e al successivo. L’ intersezione delle chain creerà una rete di conoscenza in cui potrà muoversi la nostra AI.
Aspetto da voi contributi e valutazioni su come sviluppare questa ulteriore fase di lavoro che potrebbe essere operativa a breve.
A seguito della chiusura della concertazione per la definizione della Fase 1 con gli attori di Consip Lotto 1 è stata effettuata la prima riunione che ha stabilito l'inizio effettivo delle operazioni di "containerizzazione" dei servizi, con il disaccoppiamento tra componente applicativa e infrastrutturale per liberare il potenziale delle architetture cloud e delle piattaforme che consentiranno di dare il meglio alle funzioni previste del progetto.