SCENA 1: Un riquadro introduttivo simile al nostro riquadro della Parte 1. Vediamo Martha, Flip, Bit e Octavius ognuno in un cerchio, circondati da due icone relative alla rete neurale. TITOLO: Alla scoperta delle RETI NEURALI. Un fumetto online dell'IA di Google. Didascalia/Freccia: Con MARTHA, desiderosa di imparare. Martha: PENSO di sapere cosa sta succedendo. Didascalia: Con FLIP Didascalia: e BIT Didascalia: e diamo il benvenuto a OCTAVIUS! Octavius: Ciao!

SCENA 2: Martha infila la chiave nella serratura della porta che conduce al mondo delle reti neurali. Didascalia: Nelle puntate precedenti de Le avventure del machine learning… Martha: Prossima fermata: reti neurali!

SCENA 3: Martha spalanca la porta raggiante, urlando. Martha: BUONGIORNO MOND...

SCENA 4: Passiamo alle spalle di Martha e, attraverso la porta, vediamo una distesa infinita di nodi interconnessi, vasti e imponenti. C'è forse del fumo che esce dalla porta, e Martha in controluce. Martha: ...argh!

SCENA 5: Di nuovo dall'altra parte della porta. Martha ha sbattuto la porta, occhi spalancati, capelli in disordine. Flip e Bit la osservano stoicamente. Suono F/X: SBAM

SCENA 6: Come prima, ma gli occhi di Martha si sono spostati su Flip e Bit. Si sente una voce provenire da dietro la porta. Octavius (da dietro la porta): Scusa, scusa! Non ero ancora pronto. Ok, entra pure.

SCENA 7: Dopo un attimo, Martha, Flip e Bit sbirciano timidamente dalla porta.

SCENA 8: Octavius, un piccolo polpo grazioso, si libra accanto a un semplice neurone tecnologico. Octavius: Ciao! Sono Octavius! Iniziamo dalle BASI, d'accordo?

SCENA 9: Martha sembra sollevata, mentre si guarda alle spalle per controllare che non ci sia più la spaventosa vista di prima. Flip e Bit salutano Octavius. Martha: *Fiuu* Sì, per favore. Sono Martha. Octavius: Ciao, Martha! Dunque, le RETI NEURALI sono costituite da semplici componenti di base e il PIÙ SEMPLICE è "IL NEURONE". Oh, ciao Flip! Ciao Bit! Flip: Ehi. Bit: Ciao, prof.

SCENA 10: Martha si inginocchia accanto a due pannelli descrittivi che mostrano affiancati neuroni biologici e tecnologici, come spiega Octavius. Octavius: Proprio come il loro omonimo biologico, questi "neuroni" accettano più INPUT e li combinano per produrre degli OUTPUT. Martha: “Input,” come in…?

SCENA 11: Octavius e Bit parlano sopra una tabella di caratteristiche con colonne di dati. Octavius: Praticamente TUTTO, purché sia qualcosa misurabile NUMERICAMENTE. Bit: Immagina i tuoi input come se fossero proprietà di un foglio di calcolo!

SCENA 12: Flip capovolge la tabella con le zampe posteriori, mentre Bit gesticola. Flip: ...ma COLPITO di LATO! Bit: (Non è strettamente necessario. È semplicemente meglio andare da sinistra a destra…)

SCENA 13: Octavius e Martha osservano la tabella ora orizzontale, dove vediamo frecce che partono da ogni colonna di dati e indicano una serie di nodi rotondi (gli input). Octavius: Inizia qui, il nostro primo STRATO di INPUT.

SCENA 14: Octavius fluttua tra lo strato di input precedente e indica una semplice classificazione binaria a destra del riquadro: gatto o cane. Gatto è evidenziato. Octavius: Il nostro OBIETTIVO è quindi quello di utilizzare i valori generati da quello STRATO DI INPUT, indipendentemente dalla sua complessità, per generare uno strato di OUTPUT dall'altra parte con una bella esemplice RISPOSTA.

SCENA 15: Il campo si allarga, tutto il gruppo è in piedi in uno spazio libero. Octavius sorride, Martha sembra perplessa. Octavius: Ed è tutto. Domande? Martha: …

SCENA 16: Come prima, ma Flip e Bit stanno ridacchiando. Bit (sonoro F/X): *tsk*

SCENA 17: Come prima, ma Martha ora sta urlando in preda alla confusione. Il resto del gruppo ora sta ridendo a crepapelle. Martha: MA…COSA SUCCEDE NEL MEZZO? Octavius: Esattamente!

SCENA 18: Octavius osserva una piccola icona di classificazione animata che si muove attraverso gli strati nascosti di un diagramma standard NN... Octavius: Quegli "strati nascosti" nel mezzo stanno eseguendo una serie di semplici compiti [di classificazione] per arrivare a una risposta complessa.

SCENA 19: Octavius indica un semplice neurone con input etichettati (X1, X2) che convergono su un nodo con un sigma (Σ). Interviene Flip dal basso. Octavius: Il valore numerico di ogni caratteristica (X) viene semplicemente sommato nel neurone. Flip: E questa somma (∑) aiuta a determinare la pendenza della linea.

SCENA 20: Come prima, ma ora le linee tra gli input e il nodo della somma sono etichettate con W1 e W2 e hanno spessori diversi. Octavius: Ma alcune caratteristiche richiedono più PESO di altre, quindi innanzitutto gli input hanno acquisito o perso forza.

SCENA 21: Martha entra in scena indicando le linee, che ora hanno quadranti impostati su Basso e Alto (spiegazione nella Parte 1). Martha: Oh. Quindi i pesi sono uno dei nostri QUADRANTI! Octavius: Esatto!

SCENA 22: Martha e Octavius esaminano il neurone semplice, che ora ha un nodo aggiuntivo etichettato "b" che inserisce la somma dal basso. Anch'esso ha un peso sulla sua linea. Octavius: Un altro è il BIAS; un offset all'intera somma che è anche regolabile in base al peso.

SCENA 23: I fumetti di Martha contengono due grafici animati che mostrano l'alterazione della pendenza e dell'intercetta, mentre il peso e il bias vengono modificati sul circuito. Octavius e Flip intervengono dal basso. Martha: Dunque...regolando il PESO viene regolata la PENDENZA... ... E regolando il BIAS viene regolata l'INTERCETTA? Octavius: Proprio così! Flip: Ti avevo detto che impara in fretta.

SCENA 24: Il nostro neurone ora mostra una linea inclinata al posto del nodo della somma e Octavius indica il passaggio successivo: una linea schiacciata (come una forma sigmoide) che denota la funzione di attivazione. Bit vola in basso con un cartello. Octavius: Poi schiacciamo quel classificatore lineare in una forma NON LINEARE come una funzione sigmoidea Didascalia (tenuta da Bit): Scopri di più.

SCENA 25: Octavius si muove sull'intercetta di un grafico sigmoidale ingrandito, Martha inquadra l'immagine con le dita in basso a destra. Octavius: Questa "FUNZIONE DI ATTIVAZIONE" permette relazioni non lineari... ...e regolazioni più fluide nel processo di apprendimento. Martha: Uhm.

SCENA 26: Ora vediamo il nostro neurone completo con tutte le sue etichette, Octavius e Martha osservano dal basso. Deve fare un po' paura con tutti i componenti in gioco. Etichette: Nodo, Peso, Margine, Somma, Bias, Somma, Funzione di attivazione e Funzione non lineare. (ad esempio Sigmoidea, tanh, Softmax, Swish, ReLU, Leaky ReLU, Diet ReLU, ReLU con Chips, ReLU, Spam, Spam, ReLU e Spam.) Octavius: Ecco qui, completamente non pacchettizzato. Martha: Oh no.

SCENA 27: Torniamo al nostro semplice neurone a tre nodi, che mostra X1 e X2 come input, e la curva sigmoide per la funzione di attivazione. Martha sembra sollevata quando Octavius spiega il motivo per cui stanno tornando alla vista semplice. Octavius: Ma, per semplicità, combiniamo somma, bias e funzione di attivazione in un unico nodo... ...e usiamo lo spessore della linea per indicare i pesi. Martha: *accidenti* Sì, DAI!

SCENA 28: Il singolo neurone ora ha linee animate ponderate che collegano i suoi nodi e una nuova linea di output che si sposta a destra. Octavius: E ora l'OUTPUT di QUEL nodo... Martha: OH!

SCENA 29: Il neurone 1 si è unito a un secondo neurone. Gli output di N1 diventano gli input di N2. Le linee tra i neuroni sono ancora animate e mostrano il flusso di informazioni tra i nodi. Martha: …può essere l'INPUT per un altro! Octavius: Proprio così!

SCENA 30: La rete cresce, mostrando sei strati di neuroni interconnessi con una rete animata di linee che passano dall'uno all'altro. Octavius: …e ANCORA e ANCORA… Martha: wow.

SCENA 31: Sotto il dialogo di Martha vediamo due piccoli quadrati animati che richiamano la Parte 1: una palla che rotola avanti e indietro per poi fermarsi in fondo a una curva e una linea che ruota da una parte all'altra per stabilirsi sulla traiettoria di classificazione appropriata per una raccolta di X e O. Bit sostiene un cartello che rimanda alla Parte 1. Martha: Dunque, quando addestriamo le reti neurali usando la RETROPROPAGAZIONE e la DISCESA DEL GRADIENTE*... ...quel processo REGOLA pesi e bias? Octavius: Esatto! Piè di pagina (tenuto in mano da Bit): *Vedi Parte 1.

SCENA 32: Un semplice neurone con tre input mostra quadranti animati che regolano lo spessore della linea per trasmettere il peso. Octavius spiega dall'alto, Bit alza le mani in aria, Martha si siede a gambe incrociate sul pavimento, gesticolando. Octavius: Chiamiamo queste regolazioni automatiche "ADDESTRAMENTO DI MODELLI". Bit: Guarda, mamma! Senza mani! Martha: Fantastico, ma quand'è che noi INGEGNERI entriamo in gioco?

SCENA 33: Martha osserva curiosa una rete multilivello di nodi che fluttuano davanti a lei, mentre Flip si siede sulla sua schiena e interviene. Bit vola sotto. Flip: Oh, IN OGNI MOMENTO! Gli ingegneri scelgono la giusta architettura, modificano il numero di strati o nodi, selezionano le funzioni di attivazione: prendono ogni tipo di decisione. Martha: Uhm. Bit: Noi lo chiamiamo "TUNING DEGLI IPERPARAMETRI".

SCENA 34: Martha e Octavius chiacchierano davanti a uno sfondo grafico a griglia. Octavius: Le informazioni hanno una STRUTTURA. Una rete neurale ben addestrata può aiutare a NAVIGARE questa struttura.

SCENA 35: Martha e Octavius scrutano oltre un muro per osservare due piccole Martha che eseguono la regressione (tracciando una linea di tendenza tramite una mappa di dati) e la classificazione (tracciando una linea per delineare due gruppi di dati). Octavius: È questo che succede quando tracci quelle linee di REGRESSIONE e CLASSIFICAZIONE... Facile da fare A MANO quando ci sono solo una o due caratteristiche... Martha: Wow... Guarda come si muovono!

SCENA 36: Torniamo al nostro foglio di calcolo guardandolo di lato, con un strato di nodi di input connesso. Martha e Octavius osservano. Octavius: Ma con più caratteristiche, esistono più INPUT. E ciò significa...

SCENA 37: Martha, Octavius, Flip e Bit sono improvvisamente sospesi in un mondo tortuoso di dati. Flussi di numeri interi e lettere volano intorno a loro, Martha sembra terrorizzata. Bit si deforma e si dilata in modo strano. Flip cammina a testa in giù attraverso un filone di numeri Escheriani. Octavius è fuori fase. Octavius: ...DIMENSIONI multiple da navigare, fanno sì che tracciare un semplice confine rettilineo tra "A" e "B" sembri IMPOSSIBILE! Martha: C-C-COSA??

SCENA 38: Il paesaggio multidimensionale si dissolve verso la parte superiore del riquadro. Bit sembra tranquillo e sicuro di sé mentre Martha inciampa nell'angolo. Octavius: Per fortuna i nostri cugini DIGITALI vedono MATEMATICAMENTE altre dimensioni e possono trovare percorsi attraverso quella struttura. Bit: Oh sì, un gioco da ragazzi. Bisogna solo curvare la topografia sottostante.

SCENA 39: Bit indica un grafico che mostra due spirali di dati intrecciati. Flip entra in scena da destra. Bit: Per esempio, sembra che nessuna linea retta possa separare queste due forme, ma le reti neurali trovano un modo. Flip: Qui è dove brillano quegli "STRATI NASCOSTI"...

SCENA 40: Bit intreccia le spirali di dati tra le mani in tre fasi, trasformandole in un paio di ghirigori che possono essere facilmente divisi da una singola linea. Bit: TRASFORMANO i dati... ... ALLUNGANO e SCHIACCIANO lo spazio ... ma non lo TAGLIANO, ROMPONO o PIEGANO alla ricerca di una risposta.

SCENA 41: Un globo terrestre inclinato svetta sopra Octavius, mostrando un cerchio tratteggiato intorno all'Antartide seguito da un piccolo punto interrogativo. Sotto, Octavius disegna una linea retta attraverso una proiezione di mercatore. Octavius: È come disegnare una LINEA RETTA tra l'ANTARTIDE e gli altri continenti… Potrebbe sembrare impossibile su un MAPPAMONDO.... ...ma non con un piccolo "CAMBIO DI PROSPETTIVA!"

SCENA 42: Vediamo tre nodi con linee che dividono insiemi di dati, al loro interno i primi due (in un unico strato) sono combinati per creare una linea curva nel nodo di output, che separa correttamente l'insieme di dati desiderato. Bit sostiene un cartello "Scopri di più" che rimanda alla demo del parco giochi della Rete neurale. Octavius: Se ogni neurone contiene una funzione lineare diversa, COMBINANDOLI insieme otteniamo più forme COMPLESSE per l'ADATTAMENTO DEI DATI. Didascalia/link (in mano a Bit): Scopri di più.

SCENA 43: Martha sembra diabolica, gongolando su una nuvola di nodi che fluttuano tra le sue mani. Octavius le mette un tentacolo sulla spalla e sembra preoccupato. Martha: OOH! Perciò con ABBASTANZA neuroni, potrei adattare QUALSIASI set di dati, indipendentemente dalla loro complessità? Mua-ha-ha... Octavius: Non così velocemente! TROPPI neuroni possono portare all'OVERFITTING!

SCENA 44: La linea tratteggiata si estende leggermente verso il basso da sinistra a destra, mentre Flip inizia lentamente a camminare. FLIP: …Quell'array di picchi e valli che chiamiamo "funzione di errore" o "funzione di perdita"… …può essere rivelato solo…

SCENA 45: Martha, Bit, Octavius e Flip chiacchierano in uno spazio bianco. Martha: COSÌ TANTO. Allora perché li chiamiamo "STRATI NASCOSTI"? Bit: Perbacco. Ottima domanda. Octavius: Bene... Sappiamo quali caratteristiche ENTRANO... Sappiamo quali risposte ESCONO... Flip: ...e possiamo persino descrivere COME funzionano gli strati nascosti...

SCENA 46: Martha si inginocchia ad ascoltare Flip, che si staglia su una complessa rete di nodi. Bit sostiene un cartello "Scopri di più" sulla destra, che indica il dialogo di Flip e si collega alla ricerca di Cassie. Bit: Ma in una RETE NEURALE COMPLETAMENTE CONNESSA, ogni nodo unisce i risultati di ogni nota dello strato precedente. Chi può dire a quali "caratteristiche" stia considerando? Flip: Come dice la data scientist Cassie Kozyrkov, stiamo "AUTOMATIZZANDO l'INEFFABILE".

SCENA 47: Octavius compare nel riquadro a destra, con un cappello da autista accanto a un piccolo trasportatore. Il gruppo si muove per salire a bordo. Octavius: Ora, una rete neurale COMPLETAMENTE CONNESSA è solo un tipo di architettura... Martha: Bel cappello. Octavius: Grazie!

SCENA 48: Octavius è seduto nel trasportatore davanti a una mappa di transito con varie fermate etichettate secondo i simboli dell'architettura della rete. Octavius: Raggiungiamo un'ALTRA fermata importante sulla mappa della rete neurale.

SCENA 49: Tutto il gruppo guida il carrello attraverso circuiti curvi di binari con diverse icone architettoniche che gravitano intorno a loro. Martha sta facendo un viaggio da brivido, Octavius spiega allegramente mentre procedono. Octavius: Tutto questo campo è in EVOLUZIONE, per sempre "in costruzione". Alcune delle destinazioni più popolari di oggi erano solo PROTOTIPI dieci anni fa!

SCENA 50: Il veicolo viaggia in tre fasi attraverso un anello di binario che assomiglia a un quadrante dell'orologio. Le figure sono troppo piccole per poterle distinguere. Octavius: RETI NEURALI RICORRENTI (come le LSTM) si riavvolgono ripetutamente su se stesse - - affrontando i problemi con l'ELEMENTO TEMPORALE - - come il RICONOSCIMENTO VOCALE. Didascalia/link: Scopri di più.

SCENA 51: Il carrello si muove attraverso uno svincolo di binario, visto dall'alto. Molteplici opzioni convergenti e divergenti. Octavius aziona un interruttore di interscambio mentre spiega. Il collegamento Scopri di più si collega a [a cosa ci piacerebbe collegarci qui?] Octavius: Altri, come i CODIFICATORI AUTOMATICI, hanno aiutato a dare un senso ai dati non supervisionati- - riducendo la DIMENSIONALITÀ dell'overflow dei big data. Didascalia/link: Scopri di più.

SCENA 52: Il nostro gruppo sfreccia in primo piano, mentre in lontananza si vedono altri binari e carrelli. Mentre avanzano, Martha interrompe Octavius per chiedere informazioni sui passeggeri di altri veicoli. Mantiene un atteggiamento allegro, con lo sguardo rivolto in avanti. Octavius: La rete verso cui ci stiamo dirigendo è stata particolarmente apprezzata per l'analisi - Martha: Ehi, chi sono LORO? Octavius: Oh, quella è la linea GAN. Nessuno di quei passeggeri esiste! Evita il contatto visivo.

SCENA 53: Il carrello si accosta a una piattaforma con una porta ad arco con l'etichetta "CNN". Tutti saltano giù per guardare. Octavius: Eccoci arrivati. Tutti pronti per le RETI NEURALI CONVOLUZIONALI! Martha: Aah, NE ho sentito parlare. Bit: Sono molto conosciuti.

SCENA 54: Il gruppo entra in una galleria piena di opere d'arte incorniciate, ma ogni tela è composta da un mucchio di uno e zeri. Bit è estasiato da una delle tele, Martha sembra confusa. Bit: Oh, ADORO questa. Ha davvero saputo cogliere il 11001101010, non credete? Martha: Ehm… Octavius: Le immagini sono solo griglie di numeri per una CNN!

SCENA 55: Martha tiene in mano una delle tele, scrutando i numeri contenuti. Octavius ne spiega il contenuto. Bit regge un microfono sopra un'onda sonora in basso a destra per dimostrare come le CNN possono analizzare i dati resi visivamente. Martha: Beh, non è così per QUALSIASI rete neurale che gestisce le immagini? Octavius: Certo! Ma le CNN offrono un metodo unico per analizzare e ottenere tutti quei dati basati sulle immagini. Bit: (Inclusi tutti i tipi di dati che possono essere RAPPRESENTATI come immagini).

SCENA 56: Il gruppo osserva una foto in scala di grigi da 32x32 pixel di un gatto. Octavius: Anche un'immagine a BASSA RISOLUZIONE come questa contiene una grande quantità di informazioni. Ognuno di questi 1024 PIXEL è un input separato: sono TRE, infatti, se contiamo i canali rosso, verde e blu. Flip: È zio Rufus!

SCENA 57: Octavius spiega la molteplicità di immagini a colori dal riquadro a sinistra, sopra una serie di input a strati che mostrano i canali Rosso, Verde e Blu, con il corrispondente numero di input totali (3072). Un ampio strato di input si estende alla sua destra. Martha indietreggia inorridita. Octavius: Parliamo di uno STRATO DI INPUT MULTI-DIMENSIONALE... E non è nemmeno in alta risoluzione o video! Martha: AAAH! Sto avendo dei FLASHBACK qui.

SCENA 58: Octavius continua a spiegare accanto a una serie di sei immagini di gatti che mostrano i gatti da vicino, in diverse posizioni di rotazione, in più slot all'interno di una singola immagine ecc. Un nodo di classificazione in basso a sinistra mostra Gatto: SÌ. Octavius: Potremmo ancora volere un semplice "SÌ" o un "NO" unidimensionale una volta finito, ma deve funzionare per QUALSIASI gatto, a QUALSIASI angolazione e in qualsiasi porzione di quell'immagine. Martha: Accidenti... Un'impresa ardua!

SCENA 59: Bit si trova in una matrice di pixel in cui ogni blocco esplode verso l'esterno in un riquadro di unità separata a destra. Octavius: Infatti. E le CNN RIEMPIONO quell'ordine, ROMPENDO quelle enormi matrici di dati di pixel in BLOCCHI GESTIBILI, strato per strato.

SCENA 60: Octavius lancia a Martha una piccola matrice con maniglie (il filtro). Octavius: Cominciamo con la creazione di una mappa di CARATTERISTICHE RELATIVE AL GATTO nella nostra immagine di origine. PRENDI! Martha: Cos'è? Octavius: UN FILTRO. Inizia come una matrice di pesi casuali, ma l'algoritmo la sintonizza nel tempo.

SCENA 61: Una Martha e un Octavius in miniatura camminano in punta di piedi su due matrici animate. Il primo mostra il filtro che si muove attraverso i dati di input passo dopo passo, il secondo mostra la mappa delle caratteristiche risultante che viene generata quadrato per quadrato. [Esempio qui.] Flip spunta dal basso a destra per intervenire. Octavius: Una "CONVOLUZIONE" comporta lo spostamento di questo filtro su tutta l'immagine per un intervallo variabile noto come "PASSO". Martha: Oh! Sta moltiplicando i DATI DI ORIGINE per quella matrice! Flip: Il risultato viene chiamato MAPPA DELLE CARATTERISTICHE!

SCENA 62: Octavius, che indossa un salvagente da piscina e occhiali da sole, spiega il percorso delle CNN. Vediamo l'immagine di input, le immagini multiple, più semplici generate attraverso la convoluzione, poi una funzione di attivazione e infine le immagini più piccole generate attraverso il pooling. Martha è in piedi sopra di loro, a sorvegliare la scena. Octavius: Queste mappe delle caratteristiche passano attraverso il POOLING per ridurre ulteriormente le loro dimensioni di calcolo. Martha: Ooh, così puoi continuare a sovrapporle per scovare altre caratteristiche!

SCENA 63: Octavius si muove su quattro filtri a bassa risoluzione che mostrano margini generici (orizzontale, verticale, inclinato a sinistra e a destra). Bit entra in scena da un riquadro sottostante, con la mano appoggiata su un cervello con gli occhi da sciocco. Octavius: Nelle prime fasi, i filtri non possono rilevare altro che MARGINI e ORIENTAMENTO...* Bit: *CURIOSITÀ: la corteccia visiva del tuo cervello avvia il rilevamento in questo modo... In effetti, è stata una prima ispirazione per la CNN. Didascalia: Scopri di più.

SCENA 64: Nelle griglie a sinistra sono mostrati tre strati di caratteristiche: margini grezzi, elementi più chiari e caratteri o figure complete, tra cui un piccolo Octavius! Il vero Octavius spiega dal riquadro a destra. Octavius: Ma a ogni strato successivo, le caratteristiche COMPOSITE cominciano a emergere dal rumore. Vedi? Sono IO!

SCENA 65: Martha e Octavius guardano dall'alto un filtro incandescente. Martha: Quindi, si passa da LINEE e ANGOLI, per BAFFI, ZAMPE e PELLE, e poi infine a "GATTI" o "CANI?". Octavius: Beh... *eh eh* SÌ, NO e SÌ! Potremmo non sapere mai esattamente quali caratteristiche vede nel MEZZO, -ma qualunque cosa siano, possono TROVARLE ovunque si nascondono!

SCENA 66: Torniamo alla nostra vista esplosa delle fasi delle CNN, ma ora c'è uno strato di classificazione aggiunto alla fine, che mostra una linea completa di nodi con linee interconnesse che si spostano verso un output binario. Flip entra dal riquadro a destra per spiegare. Flip: CNN connesse ad arte come il nostro PRIMO esempio. Ma lo strato di output finale è il collegamento a tutti i neuroni dello strato precedente.

SCENA 67: Martha, Octavius, Bit e Flip si trovano in uno spazio bianco. Ognuno di loro ha intorno a sé dei riquadri che corrispondono alle previsioni della rete. Martha è 98% umana, Octavius 94% polpo, Flip 89% gatto, ma Bit è 60% pallone da basket. Octavius: Questo STRATO DI CLASSIFICAZIONE fornisce le risposte accurate che tutti noi... Bit: Ehm… ragazzi? Etichette: 98% umano 99% polpo 60% palla da basket 89% gatto

SCENA 68: Martha si china preoccupata. Tutte i riquadri, eccetto quello di Bit, sono scomparsi. Octavius fluttua in alto osservando preoccupato. Bit è avvilito. Martha: Oh-oh. Cos'è questo? Non c'erano ROBOT VOLANTI nei dati di addestramento? Octavius: Beh, avrebbero dovuto esserci! Etichetta: 60% pallone da basket

SCENA 69: Flip e Martha indagano sui dati di addestramento e test sparsi sul pavimento. Bit sembra contrariato e ribelle sullo sfondo. Flip: NO! Solo il classico BIAS DI SELEZIONE ambulante. Martha: Beh, non è giusto aspettarsi che tutti i robot camminino Bit: NON POTETE TOGLIERMI IL CIELO! Etichetta: 60% pallone da basket

SCENA 70: Bit e Flip escono dal riquadro a sinistra. Martha si alza in piedi. Martha: Suppongo di aver sempre pensato che i dati fossero IMPARZIALI. Solo "numeri" e tutto il resto... Octavius: i set di dati sono prodotti dell'epoca e del luogo in cui vengono assemblati. Etichetta: 60% pallone da basket

SCENA 71: Octavius porta diversi pupazzetti infilati nei suoi tentacoli. Ognuno mostra un fumetto che contiene diversi simboli. Octavius: Anche se si cerca di creare dati "neutrali" in modo proattivo, le persone che eseguono la compilazione possono avere propensioni implicite.

SCENA 72: Martha si accascia tra le immagini dei dati. Flip e Bit sembrano sconsolati. Octavius sfoglia altre immagini sul riquadro a destra. Martha: È più complicato di quanto pensassi. Octavius: Mmmh... Potremmo avere a che fare anche con qualcosa chiamato BIAS LATENTE... Dai un'occhiata a tutte queste foto di palle da basket e dimmi cos'hanno in comune... Etichetta: 60% palla da basket

SCENA 73: Octavius mostra a Martha una serie di foto. Tutte illustrano braccia e mani di giocatori di pallacanestro mentre tengono in mano palle da basket. Octavius: Noti qualcosa di FAMILIARE? Martha: Non lo so, solo un mucchio di braccia che tengono…

SCENA 74: Martha riguarda Bit nel suo riquadro e ha un'illuminazione. Martha: OOOHHH. Etichetta: 60% pallone da basket

SCENA 75: Martha e Octavius parlano. Octavius: INGEGNERI e STUDIOSI DI ETICA stanno ancora cercando di capire in che modo le reti neurali vedono il mondo... e i ruoli che pensiamo possano assumere nei prossimi anni.

SCENA 76: Martha, Octavius, Flip e Bit si trovano su una superficie specchiata e guardano verso il basso le versioni capovolte di loro stessi. Octavius: Capovolgendo semplicemente una CNN, i ricercatori hanno preso un classificatore di immagini senza pari... ...e hanno dato vita a RETI GENERATIVE AVVERSARIE o GAN... ...che possono generare bellissime immagini surreali, ma anche quei famigerati "deep fake". Didascalia: Scopri di più.

SCENA 77: Martha ha un'aria determinata, Octavius sembra positivo. Flip e Bit intervengono dal basso. Martha: Sì, voglio essere parte della soluzione, non parte del problema... Spero solo di poter riconoscere la DIFFERENZA quando sarà il momento. Octavius: Ehi, anche solo imparare come tutto FUNZIONA è un ottimo punto di partenza. Flip and Bit (fuori dal riquadro): Ascolta! Ascolta!

SCENA 78: Martha guarda il cielo raggiante, con aria ottimista, ma viene interrotta dal suo capo, Mel. Octavius sembra indignato. Martha: Beh, attento mondo! Perché sono sicura al 99% di poter... Mel (fuori dal riquadro): EHI, MARTHA!

SCENA 79: Mel incombe sul bordo della loro spiegandolandia immaginaria, mostrando il suo riflesso per rispondere alle domande. Tutto il gruppo sembra agitato. Flip soffia. Mel: Ooh! Dove mi trovo? Di che si tratta? Chi sono QUESTI tizi? Martha: Uh, è... Mel: In realtà, NON MI IMPORTA!

SCENA 80: Martha scivola lungo la parete accanto a Bit e Octavius. Sembrano tutti abbattuti mentre Mel chiacchiera. Mel: Ho bisogno di te al lavoro tra tipo, DIECI MINUTI, per presentare gli azionisti. Octavius: È sempre così? Martha: Già.

SCENA 81: Mel scompare con un gesto. Martha inizia a rialzarsi mentre la squadra si raduna intorno a lei. Mel: CI VEDIAMO CIAOOO! Octavius: Oh cielo, erano un sacco di informazioni che abbiamo appena... Flip: Vado a sabotare la sala riunioni per guadagnare tempo.

SCENA 82: Octavius rimane in disparte in preda al panico, ma Martha alza una mano per fermarlo. Octavius: Sapevo che sarei dovuto andare più piano! Mi rideranno dietro all'Accademia di formazione per cefalopodi! Martha: NO.

SCENA 83: Primo piano su Martha, determinata ed elettrizzata. Martha: CI PENSO IO.

Ora tocca a voi!
Continuate il vostro viaggio nel
mondo del machine learning...

SCENA 84: Martha spiega a una sala piena di dirigenti, gesticolando davanti a una lavagna bianca con NN e altri elementi visibili. Il suo pubblico è entusiasta. Chiudiamo con un invito all'azione rivolto ai lettori che desiderano saperne di più.

...con il corso accelerato sul machine learning
di Google o esplora l'IA di Google Cloud!

• Storia, disegno e layout di Lucy Bellwood, Dylan Meconis, Scott McCloud
• Line art di Leila del Duca
• Colori di Jenn Manley Lee
• Localizzazione in giapponese di Kaz Sato, Mariko Ogawa
• Prodotto da Google Comics Factory (Allen Tsai, Alison Lentz, Michael Richardson)