Elettronica di controllo

I ricercatori della società di biotecnologia longevo GERO(1) e dell’Istituto di fisica e tecnologia di Mosca (MIPT)(2) hanno dimostrato che i dati sull’attività fisica acquisiti dai dispositivi indossabili possono essere utilizzati per produrre biomarcatori digitali di invecchiamento e fragilità.

La dimostrazione innovativa svela il potenziale emergente della combinazione di sensori indossabili e tecnologie IA per il monitoraggio continuo del rischio per la salute con feedback in tempo reale all’assicurazione e agli operatori sanitari.(3)

Molti parametri fisiologici dimostrano strette correlazioni con l’età. Vari biomarcatori di età, come la metilazione del DNA, l’espressione genica o i livelli del fattore di circolazione circolante potrebbero essere utilizzati per costruire accurati “orologi biologici” per ottenere l’età biologica individuale e il tasso di stime dell’invecchiamento. Tuttavia, la profilazione biochimica o genomica su larga scala è ancora logisticamente difficile e costosa per qualsiasi applicazione pratica al di là della ricerca accademica.

La recente introduzione di sensori indossabili a prezzi accessibili consente la raccolta e la memorizzazione nel cloud di record di attività digitali personali. Questo monitoraggio è già stato fatto senza interferire con le routine quotidiane di centinaia di milioni di persone in tutto il mondo.

Sono negli Usa. Compro un pacchetto di sigari e pago con carta di credito. Arrivo a casa, apro il pc per iniziare il lavoro quotidiano e mi compare una pubblicità di sigari.

Pochi giorni fa vado nel bar di un mio amico che aveva messo in vendita su Internet una cucina da ristorante; mi racconta la sua avventura per vendere queste apparecchiature. Torno a casa, apro il cellulare, e mi compaiono annunci di vendita di cucine da ristorante.

Quello che mi ha sorpreso è la rapidità con cui il dato che io avevo fornito col mio acquisto (sigari) è stato elaborato per mandarmi una pubblicità mirata.

Il tempo trascorso dall’acquisto all’apertura del pc, infatti, era di circa trenta minuti. Un tempo poco superiore è trascorso nell’intervallo in cui ero a casa del mio amico e il momento in cui mi è comparsa la pubblicità delle cucine. Ora, premetto che pur essendo un complottista convinto, non sono affatto preoccupato che venga tracciato tutto ciò che faccio, vendo, compro, ecc.

Quando certi strumenti saranno ancora più invasivi, sarà forse la volta buona che inizieremo a lasciare sempre più spesso a casa i cellulari e solleveremo sempre più lo sguardo dagli schermi dei nostri apparecchi elettronici, per volgerlo all’ambiente attorno a noi o al cielo. Le domande che mi faccio sono due, e di altro tipo.

Grazie a questa tecnologia un sistema informatico è in grado di assumere autonomamente delle decisioni o effettuare predizioni

Il machine learning è una branca della scienza informatica che prende le mosse dagli studi sul pattern recognition(1) e sulla teoria dell'apprendimento computazionale(2). Si tratta, dunque, di una disciplina strettamente affine all'intelligenza artificiale(3), con la quale condivide scopi e metodi di lavoro. Come per l'AI (Artificial Intelligence), anche gli scienziati impegnati nel campo dell'apprendimento automatico studiano algoritmi che permettano di rendere "intelligenti" macchine informatiche altrimenti incapaci di prendere decisioni autonome.

Che cos'è il machine learning

Nello specifico, il machine learning (o apprendimento automatico) è un metodo di analisi dei dati che punta ad automatizzare la creazione di modelli analitici. Grazie a speciali algoritmi che apprendono iterativamente partendo da una base dati fornita dall'uomo, il machine learning permette a computer e altri sistemi informatici di apprendere nuove nozioni e informazioni, prendere decisioni ed effettuare predizioni senza che siano stati precedentemente istruiti per farlo.