I laboratori Google X sono quella divisione dell'azienda di Mountain View in cui si sviluppano i progetti più avanzati, dall'auto che si guida da sola agli occhiali per la realtà aumentata.

L'ultima innovazione uscita dai laboratori è se possibile ancora più ambiziosa: la simulazione di una parte della corteccia visiva del cervello umano.

Si tratta di un progetto che ha messo alla prova le teorie e gli algoritmi di apprendimento automatico, ossia tutte quelle tecniche che permettono a un computer di "imparare": si tratta di tecnologie che in parte vediamo già all'opera, per esempio nei traduttori automatici o nei sistemi di riconoscimento vocale o delle immagini.

Con il tentativo di cui stiamo parlando, però, Google è andata oltre: ha creato una rete neurale composta da oltre 1.000 computer (per un totale di circa 16.000 CPU) e utilizzato modelli che hanno permesso di simulare oltre un miliardo di connessioni neurali.

Il paragone col cervello umano - ricco di 100 trilioni di connessioni neurali - sembrerebbe sconfortante, eppure già a questo livello si sono potuti simulare dei "neuroni" funzionanti.

Lo scopo dell'intero esperimento era di creare un "cervello" che imparasse in autonomia; i sistemi di apprendimento automatico in uso oggi devono prima essere addestrati: i sistemi di riconoscimento delle immagini, per esempio, per riconoscere un'auto devono prima elaborare decine di migliaia di immagini che ritraggono automobili e siano chiaramente etichettate.

Il tentativo di Google, invece, si è basato sull'idea che sottoponendo un quantitativo abbastanza grande di dati sarà il sistema stesso a riconoscere gli oggetti più comuni, estrapolando le idee astratte relative ai vari oggetti presenti nelle immagini grazie alla ripetizione degli oggetti stessi.

Dopotutto, come ha spiegato Gary Bradski dell'Industrial Perception di Palo Alto, «anche noi impariamo a riconoscere un amico attraverso la ripetizione».

Al cervello di Google sono state date in pasto 10 milioni di immagini estratte a caso dai video di YouTube; ci sono voluti tre giorni perché l'elaborazione si concludesse, ma alla fine «uno dei nostri neuroni artificiali ha imparato a rispondere con forza alle immagini di... gatti» come spiega Google nel blog ufficiale.

L'idea di volto umano.

Il supercomputer ha anche imparato a riconoscere le parti del corpo e i volti umani con una precisione dell'81,7% (superiore a quella dei gatti, ferma al 74,8%), ma il riconoscimento dei gatti è da un lato divertente - Internet pullula di commenti ironici sui video che ritraggono felini - e dall'altro importante: «Bisogna ricordare che nessuno aveva mai detto alla rete che cos'è un gatto, né gli era mai stata data una singola immagine etichettata come "gatto". Invece ha scoperto da sola l'aspetto di un gatto partendo da immagini prese da YouTube. È questo che intendiamo con autoapprendimento».

riassume il dottor Jeff Dean, di Google; il cervello ha così creato una immagine che riassume per esso il concetto di gatto, e così ha fatto con il volto umano.

Le applicazioni di questa scoperta - che comunque richiederà molto altro lavoro, dato che l'accuratezza totale è, in fondo, solo del 15,8% - ha moltissime applicazioni potenziali, dalla ricerca delle immagini al riconoscimento vocale - tutti campi in cui Google è già attiva - e dimostra il funzionamento del sistema innovativo adottato, che consiste nel «dare tonnellate di dati all'algoritmo e lasciar parlare i dati» come spiega Andrew Ng dell'Università di Stanford.