Elaborato finale in Programmazione I

Cognitive Computer System and

Healthcare with Watson IBM

Anno Accademico 2016-2017

Relatore

Prof. Maresca Paolo

Candidato

Esposito Mocerino Gennaro

Matr. N46002102

Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica

Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica

2

Cognitive Computer System and Healthcare with Watson IBM

3

INDICE

Capitolo 1: Breve storia dell'intelligenza artificiale…………………………...….4

1.1 Quattro tipologie di IA………………………………………………….....7

1.2 Cognitive Science……………………………………………………….....9

1.3 Cognitive Computer System……………………………………………...11

1.4 Applicazioni pratiche……………………………………………………..12

Capitolo 2: Introduzione ai sistemi Q&A………………………………………..13

2.1 Evoluzione dei sistemi Q&A……………………………………………..14

2.2 IBM Watson………………………………………………………………14

2.3 Funzionamento operativo…………………………………………………17

Capitolo 3: Campi di applicazione del sistema Watson………………………….19

3.1 IBM nel settore sanitario………………………………………………….20

3.2 IBM’s Watson takes on brain cancer……………………………………..23

3.3 La chirurgia robotica……………………………………………………...24

Capitolo 4: Conclusioni…………………………………………………………..26

Bibliografia………………………………………………………………....……28

Cognitive Computer System and Healthcare with Watson IBM

4

Capitolo 1

Breve storia dell’Intelligenza Artificiale

l’IA è il settore dell’informatica che si occupa di creare macchine intelligenti. Si può

intendere per intelligenza la capacità di eseguire compiti e risolvere problemi nuovi,

di adattarsi all’ambiente e comprenderlo, e di capire il linguaggio naturale. Un’altra

definizione operativa è stata proposta da Alan Turing nel suo articolo “Computing

machinery and intelligence” (1950): una macchina può essere considerata intelligente se

passa il “Test di Turing“. Il test (o “Imitation Game”) consiste nel mettere un uomo davanti

a un terminale, attraverso il quale comunicare con due entità: un altro uomo e un

computer. Se la persona che comunica attraverso il terminale non riesce a distinguere fra

uomo e macchina, allora il computer ha passato il test.

L’IA come è oggi è nata nel secondo dopoguerra, grazie soprattutto all’avvento dei

calcolatori, fin da subito considerati come il perfetto strumento per riprodurre una

mente umana[1]. Fra i primi lavori in questo ambito di ricerca spicca quello di

Warren McCulloch e Walter Pitts (1943), che proposero un modello di rete neurale

ispirato al funzionamento del cervello umano. Ogni neurone, interconnesso con gli

altri da sinapsi, poteva rappresentare uno stato binario: “on” o “off”. I due ricercatori

dimostrarono che con questo modello era possibile implementare tutti i blocchi

fondamentali della logica booleana (not, and, or ecc.). Inoltre ipotizzavano che

queste reti fossero in grado di apprendere; e in effetti Donald Hebb nel 1949 ideò una

regola di modifica dei pesi delle sinapsi che lo rendeva possibile. Importante fu

anche il primo computer a rete neurale, sviluppato da Marvin Minsky nel 1950, detto

SNARC, che simulava una rete di 40 neuroni. Sempre nel 1950 Turing scrisse

l’articolo cui si è già accennato sopra (“Computing machinery and intelligence”) che

insieme alle sue lezioni sull’argomento portò rilievo a questo campo nascente [2].

Cognitive Computer System and Healthcare with Watson IBM

5

Herbert Simon e Allen Newell due ricercatori sviluppano nel 1957 il General

Problem Solver(GPS), in cui implementano un processo inferenziale ispirato al modo

di ragionare della mente umana. Il GPS poteva agire e manipolare oggetti all’interno

della rappresentazione di una stanza, come ad esempio raggiungere un oggetto

appoggiato su un tavolo impilando due sedie.

Il modello originale di Pandemonium proposto da Oliver Selfridge nel 1959.

Cognitive Computer System and Healthcare with Watson IBM

6

Herbert Gelernter sviluppa invece il Geometry Theorem Prover presso l’IBM, mentre

Oliver Selfridge al Lincoln Laboratory implementa il Pandemonium, un primo

programma per il “pattern recognition”, basato su una serie di “demoni” (per

intenderci lavoravano come piccole funzioni richiamate dal programma) addestrati a

riconoscere determinati elementi di una lettera scritta [3].

Nel 1958 John McCarthy, noto ricercatore, pubblica “Programs with common sense”

in cui descrive il primo esempio di intelligenza artificiale completa: Advice Taker.

Advice Taker doveva essere in grado di percepire la realtà circostante e

rappresentarla al proprio interno, in modo da interagire con essa e rispondere agli

stimoli provenienti dall’esterno. In questi anni nasce anche un nuovo approccio alla

realizzazione di sistemi intelligenti: i micro-mondi. Marvin Minsky teorizza infatti

che la soluzione migliore per la rappresentazione del mondo fisico sia ridurlo a forme

geometriche, che il computer può manipolare per aggiornare la sua conoscenza e

svolgere i compiti assegnati.

Nell’anno 1965 emerge un nuovo approccio: i sistemi basati sulla conoscenza. Il

primo esempio è DENDRAL, sviluppato da Edward Feigenbaum a Stanford. Il

compito di questo programma era mappare la struttura delle molecole: veniva fornita

a Dendral l’analisi spettrale della molecola e su una base di regole il programma

definiva un insieme di possibili strutture; successivamente le metteva a confronto con

i dati per determinare quella corretta. È questo il primo prototipo di sistema esperto.

In seguito Feigenbaum e Buchanan implementarono il primo esempio compiuto di

un sistema esperto: MYCIN; all’interno del programma infatti, a differenza di

Dendral, la conoscenza (regole) era separata dalla logica necessaria ad applicarle alla

situazione in esame. Mycin era pensato come uno strumento di aiuto per i medici

nella diagnosi di malattia infettive del sangue [4][5][6].

Cognitive Computer System and Healthcare with Watson IBM

7

1.1 Quattro tipologie di IA:

Oggi l’intelligenza artificiale (IA) comprende i nostri comandi verbali, riconosce

soggetti nelle immagini, guida veicoli ed è migliore di noi nei videogiochi. Per

sviluppare sistemi di IA sempre migliori dovremo superare i confini che definiscono

i quattro tipi di intelligenza artificiale:

1. Macchine reattive

I sistemi più elementari di IA sono definiti reattivi. Non possono basarsi su “ricordi”

e nemmeno su esperienze del passato per prendere decisioni. L’esempio più attinente

è quello di Deep Blue, l’IA di IBM che negli anni ’90 ha sconfitto l’allora campione

mondiale di scacchi Garry Kasparov. Deep Blue può riconoscere la posizione degli

scacchi, fare previsioni delle mosse dell’avversario e prendere la decisione ottimale.

Ma non ha memoria: può sol analizzare il presente e scegliere la prossima mossa.

Questo tipo di IA reagisce direttamente in base a ciò che vede.

Un sistema di IA simile a Deep Blue è AlphaGo di Google che ha sconfitto il

campione mondiale Lee Sedol nel gioco di Go. Il metodo di analisi di AlphaGo è più

sofisticato di quello di Deep Blue perché basato su una rete neurale che valuta gli

sviluppi del gioco.

Questi metodi consentono davvero ai sistemi di IA di migliorare in alcuni giochi

specifici, ma non possono essere applicati a situazioni diverse. Queste macchine,

cioè, non possono fare altro rispetto a ciò per cui sono state programmate. Si

comportano allo stesso modo ogni volta che si ritrovano in una situazione in cui

possono agire.

Cognitive Computer System and Healthcare with Watson IBM

8

Certo, sistemi di IA di questo tipo possono essere più affidabili. Ma sono pessimi, se

non inutili, nelle interazioni con gli umani e con altri elementi di questo mondo.

2. Macchine con memoria limitata

Queste macchine possono basarsi sul passato. I veicoli autonomi possono in parte già

farlo. Osservano e analizzano la velocità e la direzione delle altre automobili in

strada. Queste osservazioni vengono aggiunte alle rappresentazioni del mondo pre-

programmate dei veicoli autonomi: strisce pedonali, semafori, curve, incroci e così

via. Tutti questi dati, quelli pre-programmati e quelli raccolti su strada, vengono

elaborati quando il veicolo autonomo deve svolgere un’azione. Quando, ad esempio,

deve cambiare corsia, svoltare, frenare o evitare ostacoli. Ciò richiede

l’identificazione di oggetti e il loro continuo monitoraggio nel tempo.

Ma queste informazioni sul passato sono transitorie. Non sono dati che vengono

salvati in una sorta di archivio da cui l’IA può imparare. Non funziona come

facciamo noi con la nostra memoria, la quale cerca di apprendere in base

all’esperienza. Non abbiamo ancora raggiunto un simile livello di tecnologia.

Come facciamo allora a costruire macchine che creino rappresentazioni fedeli, che

ricordino in base alle esperienze e che sappiano gestire nuove situazioni? Si tratta di

un obiettivo molto difficile da raggiungere. Secondo Hintze, ispirato dall’evoluzione

darwiniana, una soluzione potrebbe essere quella di lasciare che le macchine

costruiscano le loro rappresentazioni.

3. La teoria della mente

Questo è il punto che segna il confine tra le macchine che costruiamo oggi e quelle

che costruiremo domani. Le macchine del futuro non solo formeranno

rappresentazioni sul mondo, ma anche su altri agenti ed entità che lo abitano. In

psicologia l’espressione adottata è “teoria della mente”: comprendere che le persone,

Cognitive Computer System and Healthcare with Watson IBM

9

le creature viventi, possono avere dei pensieri e delle emozioni che influenzano il

loro comportamento.

Questo è un aspetto importante perché riguarda come noi esseri umani formiamo le

società che ci permettono di partecipare alle interazioni sociali. Senza comprendere

le intenzioni, le emozioni e le motivazioni degli altri difficilmente si può lavorare

insieme per raggiungere un determinato scopo. Anzi, in alcuni casi è addirittura

impossibile.

Se un giorno avremo a che fare quotidianamente con le IA, queste dovranno capire i

nostri sentimenti e le nostre aspettative. Non solo: dovranno anche adeguarsi alle

situazioni e comportarsi di conseguenza. Ciò significa un allineamento del loro

comportamento con i nostri diritti, i nostri valori e la nostra etica. Un traguardo

apparentemente irraggiungibile se pensiamo ai mezzi che abbiamo oggi a

disposizione. Ma sappiamo che il progresso in questo settore è costante e che gli

scienziati stanno già lavorando su come programmare la morale dell’intelligenza

artificiale. Riusciremo mai a costruire macchine basate sulla teoria della mente?

Difficile prevederlo. Eppure c’è ancora un altro livello di intelligenza artificiale che

molti classificherebbero come fantascienza.

4. Macchine autocoscienti

Il passo finale dello sviluppo dell’IA è quello di costruire macchine in grado di

formare rappresentazioni di se stesse. Ciò significa che dovremo prima capire cos’è e

come funziona davvero la coscienza. Poi dovremo trovare un modo per costruire

macchine che ne possiedono una [7].

1.2 Cognitive science

Cognitive science è l'insieme di discipline che hanno come oggetto di studio la

cognizione di un sistema pensante, sia esso naturale o artificiale. Essa comprende

Cognitive Computer System and Healthcare with Watson IBM

10

svariate discipline che operano in campi differenti e che forniscono i propri risultati

ottenuti dalle ricerche al fine comune di chiarire il funzionamento della mente.

L'informatica è stata molto importante nel campo della scienza cognitiva cioè la

nozione di computazione è stata preziosa per lo sviluppo di idee su come il pensiero

potrebbe essere un processo naturale. L'avvento dei programmi per l’ elaborazione ha

permesso di dimostrare come un dispositivo meccanico potrebbe risolvere problemi

complessi secondo procedure algoritmiche (computazioni). Le istruzioni “IF ...

THEN ...” suggeriscono un modello di come le persone pianificano il proprio futuro.

I computer stessi sono stati utili per testare le ipotesi scientifiche circa

l'organizzazione e il funzionamento mentale. Una data ipotesi è modellata in un

programma mediante algoritmi, essa viene quindi eseguita su un computer, e se

l'output del computer è simile alle reali prestazioni umane, l'ipotesi è considerata

essere valida [8].

Discipline che costituiscono le scienze cognitive

Cognitive Computer System and Healthcare with Watson IBM

11

1.3 Cognitive Computer System

Il cognitive computing connette le scienze cognitive (ovvero lo studio dei processi

del cervello umano) e l’informatica. Essa è l’applicazione pratica dell’Intelligenza

Artificiale nella quotidianità, grazie a un mix di scienze cognitive applicate

all’informatica.

Il computer, quindi, non si limita a rispondere a quello che sa o a ciò per cui è stato

programmato, ma introduce un fattore non prevedibile di risposta derivato

dall’autoapprendimento del sistema. In altre parole, un’azione fatta oggi da un

umano tramite un software probabilmente darà una risposta diversa se replicata,

senza cambiarla, dopo qualche tempo. Quindi, i computer come se crescessero da

soli in termini di capacità cognitiva.

L'obiettivo di Cognitive Computing è quello di simulare processi di pensiero umani

in un modello computerizzato. Utilizzando algoritmi di autoapprendimento che

utilizzano il data mining, il pattern recognition e l'elaborazione del linguaggio

naturale così un software diventa in grado di imitare il modo in cui funziona il

cervello umano. Per arrivare a ciò, però, si è dovuto superare il limite dei sistemi

informatici tradizionali nella comprensione del linguaggio naturale (il parlato o lo

scritto) o nel riconoscimento di oggetti unici all’interno di un'immagine.

Questi risultati sono possibili perché, oltre all’intelligenza artificiale, oggi possiamo

disporre di un enorme capacità e velocità di calcolo. E, infatti, la qualità della

risposta è direttamente proporzionale alla quantità di dati che il sistema ha a

disposizione: più apprende e più accurata la risposta diventa nel tempo. Tra i

pionieri del Cognitive Computing troviamo IBM con la sua architettura IBM

Watson, una piattaforma basata su potenti algoritmi di apprendimento strutturati su

Cognitive Computer System and Healthcare with Watson IBM

12

reti neurali in grado di elaborare e confrontare enormi volumi di dati.

Oltre a IBM anche Google lavora nel campo del cognitive, forte dell’ampia base dati

di cui dispone, ha mostrato di saper sviluppare la capacità cognitiva dei propri servizi

offrendo una crescita qualitativa nel tempo. Si pensi che i suoi sistemi di test, che nel

2013 erano in grado di riconoscere una pizza semplicemente da una foto, ora

possono dire che quella pizza è condita con i funghi e se è troppo cotta. Il tutto

partendo dalla stessa immagine[9].

1.4 Applicazioni pratiche

I campi di applicazione sono infiniti, dal retail alla sanità, dalla finanza

all’entertainment. Nel contesto sanitario, il Cognitive Computing aiuta nella diagnosi

combinando diverse tipologie di dati specifici, per esempio la storia del paziente, con

fonti esterne quali articoli di riviste, blog, dati statistici e tanto altro. Il medico

continua a portare il proprio contributo soggettivo, ma lo fa supportato in tempo reale

da una quantità di informazioni e una pre-analisi fino a ieri ottenibile solo con lunghe

e costose ricerche e studi.

Cognitive Computer System and Healthcare with Watson IBM

13

Capitolo 2

Introduzione ai sistemi Q&A

Un QUESTION-ANSWERING SYSTEM è un sistema di recupero automatico delle

informazioni, destinato a rispondere alle domande che gli sono poste nel linguaggio

naturale.

Diversamente dagli attuali motori di ricerca, i sistemi Q&A non ricercano interi

documenti ma forniscono risposte specifiche situate in piccoli frammenti di testo.

Questa loro funzionalità rende la ricerca molto più lenta, ma anche più precisa e

puntuale.

I sistemi Q&A vengono classificati in base al loro livello di precisione e raffinatezza

in:

1) Slot-filling: Il sistema risponde a domande molto semplici che possono essere

computate anche da un sistema IE (information extraction); Ciò che cambia è

il modo di operare: mentre i sistemi IE usano metodi logici di estrazione, i

sistemi Q&A usano queries ad hoc.

2) Limited-domain: Il sistema risponde a domande di media difficoltà legate a

sfere specifiche di conoscenza.

3) Open-domain: sono i sistemi più complessi ed articolati che integrano

assieme le tecniche di IE, IR (information retrieval) ed NLP [10].

Esempi di possibili domande alla portata di un sistema Q&A:

- Qual è la data di nascita di Alan Turing?

- Quando è nato il primo Computer?

- Quanto è la potenza di calcolo di IBM Watson?

Cognitive Computer System and Healthcare with Watson IBM

14

2.1 Evoluzione dei sistemi Q&A

Negli anni i sistemi QA si sono evoluti in vari modi:

- Da dominio chiuso a dominio aperto: i primi sistemi Q&A come BASEBALL

e LUNAR erano molto limitati, infatti conoscevano solo informazioni per il

gioco del baseball e informazioni riguardanti la luna. Successivamente sono

stati prodotti sistemi Q&A che avevano conoscenze in molteplici campi ed

erano in grado di rispondere a molte domande poste.

- Da basati sul testo a basate sul discorso: i sistemi Q&A possono essere

assistiti da un’interfaccia discorsiva con la quale le domande possono essere

tradotte con un software di riconoscimento vocale e le risposte possono essere

riprodotte con un software di sintesi. Questa è un tipico esempio di

configurazione sui dispositivi mobili.

- Da fuori contesto a contestuali: domande poste per capire indipendentemente

il contesto precedente; adesso i sistemi Q&A hanno una capacità limitata di

interpretare i dialoghi discorsivi che variano dinamicamente.

Lo stato corrente dell’arte dei sistemi QA è rappresentato da IBM Watson.

2.2 IBM Watson

IBM Watson rappresenta il primo passo nei sistemi cognitivi e la nuova era di

computing.

Watson è stato costruito con gli strumenti dell’era corrente di calcolatori

programmabili ma è differente in molti aspetti. La combinazione delle seguenti

capacità fanno Watson unico:

Cognitive Computer System and Healthcare with Watson IBM

15

1) Elaborazione del linguaggio naturale affinché capisca complessi dati non

strutturati, che rappresentano 80% delle dati a livello globale.

2) Generazione e valutazione di ipotesi applicando analisi avanzate per pesare e

valutare un panello di risposte basate solo su prove rilevanti.

3) Apprendimento dinamico che contribuisce a migliorare l’apprendimento

basato sugli output per diventare sempre più intelligente con ogni

integrazione.

Anche se nessuna di queste funzionalità da sola è unica per Watson, la combinazione

di questi capacita offre una potente soluzione per:

- Superare i limiti delle macchine programmabili.

- Passare da dipendenza di dati strutturati e locali per aprirsi al mondo globale

di dati non strutturati.

- Passare dall’approccio albero-decisionale e applicazioni deterministici ai

sistemi probabilistici che evolvono con i propri utenti.

- Passare dalla ricerca basata su parole che provoca una lista di locazioni dove

la risposta può essere localizzata, a un intuitivo strumento di conversazione di

scoperta di un set di riposte confidenti e classificate.

Watson quindi è un sistema computerizzato in grado di rispondere a domande

(Question answering computing system). IBM lo descrive come un'applicazione

avanzata di elaborazione del linguaggio naturale, information retrieval,

rappresentazione della conoscenza, ragionamento automatico, e tecnologie di

apprendimento automatico nel campo dell'"open domain question answering"

(letteralmente, risposte a domande a dominio aperto, cioè senza restrizioni

sull'argomento) costruito sulla base di DeepQA, tecnologia IBM per la formulazione

di ipotesi, raccolta massiva di controprove, analisi e scoring (capacità di raggiungere

un obiettivo).

Cognitive Computer System and Healthcare with Watson IBM

16

Figura: Architettura alto livello del DeepQA di Watson

Watson utilizza il software della IBM DeepQA, e il framework Apache UIMA. Il

sistema è stato programmato in diversi linguaggi, come Java, C++ e Prolog, e gira su

un sistema SUSE Linux Enterprise Server 11 utilizzando Apache Hadoop come

framework per il calcolo distribuito.

Il sistema è ottimizzato per gestire il carico di lavoro richiesto per generare ipotesi,

riconoscere la massima evidenza e analizzare dati, integrando processori POWER7

estremamente parallelizzati. Watson è composto da una griglia di novanta server

IBM Power 750, ciascuno dei quali è equipaggiato con un processore POWER7 ad

otto core da 3.5 GHz, con quattro threads per core. In totale, il sistema ha 2880

thread di processori POWER7, e 16 terabytes di ram. Watson può analizzare 500GB,

equivalenti ad un milione di libri, ogni secondo. Esso ha una potenza di 80

TeraFLOPs [11].

Cognitive Computer System and Healthcare with Watson IBM

17

2.3 Funzionamento operativo

La prima fase operativa consiste in un lavoro di regressione logistica eseguito tramite

analisi delle domande (ESG : English Slot Grammar) e il tipo di risposta lessicale

LAT (Lexical Answer Type) che nei casi più difficili costituiscono i punti

fondamentali di interpretazione del linguaggio, tanto che Watson ne supporta vari.

Tramite l’ESG, implementato nel linguaggio C si riesce a scomporre

grammaticalmente la frase tramite albero gerarchico e permette di rilevarne anche

errori. Ciò che l’ESG computa viene spedito al componente successivo, il

PRISMATIC che verifica il LAT per generare le risposte candidate ed estrarne gli

elementi di base (frames) e le relazioni tra gli stessi. La ricerca della risposta avviene

tra fonti di testo e documenti tramite i motori di ricerca Indri e Lucene . La verifica

successiva avviene tramite il Type Coercion dove si determina se la risposta

appartiene allo stesso contesto della domanda stratificando la stessa in sotto-strati

analizzati separatamente in più livelli di conoscenza ed estraendo man mano il

significato da subroutine. Tramite database locali è possibile effettuare il confronto

per verificare se è stato centrato l’argomento trattato. Generata una lista di possibili

risposte candidate viene associato un punteggio per poterle ordinare.

Le candidate sono prima passate in parallelo a processi che restituiscono delle

evidences e poi analizzate da quattro algoritmi per trovare le effettive scelte tra tutti i

candidati.

Gli algoritmi che sottopongono le candidate alla scelta sono:

Cognitive Computer System and Healthcare with Watson IBM

18

- Passage Team Match: Misura le occorrenze di una o più parole tramite

statistica numerica.

- Skip-Bigram: Calcolo numero dei termini che condividono semantica e

sintassi.

- Textual Alignement: Quanto la risposta è correlata alla domanda.

- Logical Form: riesce ad eseguire l’analisi logica delle parole.

Il punteggio totale ne rileverà poi la riuscita.

Figura: Come Watson deriva una risposta

Cognitive Computer System and Healthcare with Watson IBM

19

Capitolo 3

Campi di applicazione del sistema Watson

Il sistema Watson può essere utilizzato in svariati settori offrendo vantaggi e

precisione nelle soluzioni, poiché, ha l’abilità di poter comprendere domande poste

in linguaggio naturale, la capacità di analizzare grandi quantità di dati non strutturati

e dare risposte puntuali (classificando il livello di precisione delle sue risposte) e

presentare risposte in modo rapido e conciso.

Il sistema è stato adattato ed applicato a casi industriali complessi per risolvere

problemi e stimolare progressi in diversi campi come quello sanitario e quello

finanziario, è stato sperimentato per aiutare i medici a effettuare diagnosi più veloci,

per migliorare i servizi di help desk, per fornire a turisti e cittadini informazioni

specifiche sulle città, per offrire servizi bancari personalizzati ai clienti, per

pianificare il percorso di viaggio migliore a seconda dello stato d’animo del

viaggiatore: i sistemi di navigazione attuali sono programmati per prendere decisioni

in base alle condizioni della strada, ma non tengono conto dello “stato mentale” del

guidatore. Gli inventori IBM hanno sviluppato un metodo per la pianificazione degli

itinerari di viaggio sulla base dello stato d’animo e delle preferenze del viaggiatore.

Avete avuto una lunga giornata? Questo sistema vi aiuterà a tornare a casa in modo

meno stressante.

IBM ha deciso di mettere a disposizione l’intera piattaforma di sviluppo IBM

Watson in cloud, per aprirsi alla creatività di tutti e consentire alla comunità

Cognitive Computer System and Healthcare with Watson IBM

20

mondiale di sviluppatori di applicazioni software di sviluppare una nuova

generazione di app. dotate dell’intelligenza di cognitive computing di Watson, in

grado di rivoluzionare il modo in cui le organizzazioni pubbliche e private e gli stessi

consumatori prendono le decisioni. Il luogo di condivisione sarà l’IBM Watson

Developers Cloud, un marketplace disponibile in cloud, in cui fornitori di

applicazioni di tutte le dimensioni e di tutti i settori potranno attingere a risorse per

sviluppare app “potenziate” dalle capacità cognitive di Watson [12].

3.1 IBM nel settore sanitario

IBM lavora nel settore sanitario e ne ha fatto una sua principale priorità. Il settore

sanitario e la tecnologia si uniscono in modi molto nuovi e innovativi tanto da

rendere quasi impossibile non collaborare.

Uno dei rappresentanti della Johnson&Johnson afferma che stanno lavorando con

IBM e Watson con alcune delle tecnologie IA e alcuni degli strumenti che solo

Watson può fornire per una ricerca migliore e per lo sviluppo di nuovi prodotti

farmaceutici.

Usano Watson per meglio individuare gli eventi avversi e ottenere segnali precoci

per identificare nuove tipologie di malattie sui pazienti: Si sta collaborando ad un

qualcosa chiamato “WATSON SALUTE CLOUD”. È una piattaforma in cui si

inseriscono molti dati presi da IT e J&J e si combinano in maniera intelligente.

Se si pensa di sviluppare un nuovo prodotto farmaceutico, bisogna capire

farmacologia e biologia e bisogna capire il genoma, si sfruttano quindi tutte le

informazioni e si creano i dati. È tutto basato sul fatto di poter raccogliere

informazioni, trasformarli in dati e da essi possono in un ultima analisi essere messe

a disposizione per aiutare il paziente. Watson analizzando i dati può aiutare a

scegliere la cura migliore e può sviluppare anche nuovi modelli di cure.

Cognitive Computer System and Healthcare with Watson IBM

21

L’assistenza sanitaria per IBM è la loro “MOONSHOT”. IBM ha svolto un ruolo

importante nei vari momenti della storia, tra cui lo sbarco dell’uomo sulla luna.

L’assistenza sanitaria quindi è come un “Moonshot”, il che significa, si otterrà una

cura per le persone che non ne hanno mai avuta una e che senza Watson non

avrebbero mai avuta. Questo è il motivo per cui IBM ha iniziato con l’oncologia,

hanno costruito cosi “WATSON PER ONCOLOGIA”.

Uno degli esempi è stato quello di “BARROW NEUROLOGICAL” in Arizona:

grazie a Watson hanno analizzato 1500 geni e alla fine hanno scoperto cinque di essi

che non erano mai stati prima collegati alla SLA.

Il 70% di nuovi casi di tumore al cervello si presentano nei paesi in via di sviluppo,

ecco perché Watson per Oncologia è modulato in tutti gli ospedali della Cina, India,

Thailandia, Finlandia. Un ulteriore esempio è quello in India nell’ospedale Manipal

una delle grandi catene ospedaliere private in cui c’è un afflusso di circa 200.000

pazienti l’anno. Un medico con l’aiuto di Watson da 20 minuti che occorrono per

raccogliere informazioni, impiega solo 20 secondi. Questa è una grande differenza

poiché permette molto velocemente di dare una cura ai pazienti. Oltre alla velocità

abbiamo molta più precisione nella medicina, cioè gli errori si riducono.

Un altro esempio è quello dell’University of North Carolina, il LINEBERGER

CANCER CENTER. Lì i medici hanno 1.000 casi di tumori ed essi non sono casi

standard, in quasi il 100% dei casi Watson ha trovato più elementi clinicamente

attuabili, cosi con Watson per “Genomics” si potrà raggiungere e analizzare la

genetica di un cancro in fase avanzato. Watson è stato anche impiegato per prevedere

un evento “IPOGLICEMICO” esso l’ha previsto con 3 ore in anticipo.

IBM sta prendendo decisioni su 3 tipologie di piattaforme:

1) Cloud

2) Piattaforma di dati

3) Piattaforma di IA (intelligente artificiale)

Si sta creando un Cloud che è ottimizzato per tutti i dati cognitivi: un cloud ibrido e

sicuro. I cloud scelti sono IBM Watson NUBE,GXP,HIPAA.

Cognitive Computer System and Healthcare with Watson IBM

22

Oltre il cloud bisogna considerare anche un’architettura di dati differente da quelle

esistenti dato che si sta andando a mettere insieme tantissimi dati diversi. Questo

perché in medicina il 90% dei dati è immagine. L’80% dei dati nel mondo non è

reperibile sul WEB, per questo nasce l’idea di avere una piattaforma di dati che

consentono di combinare i dati da tutti i luoghi. Sulla piattaforma Watson Salute oggi

risiedono 300 milioni di cartelle cliniche, 30 miliardi di immagini, 40 milioni di

articoli PUBMED e ogni brevetto. Oltre a prendere una decisione sulla piattaforma e

sull’architettura dei dati, si prende decisione su quella AI. Si sta creando così un

ecosistema.

Uno di essi è il “CENTRAL NEW YORK COLLABORATIVE CARE” presentato

come piattaforma di gestione della salute.

Lo scopo di IBM è quello di:

1) Non commettere errori o almeno ridurli.

2) Aumentare l’intelligenza umana ma non sostituirla. Questo non è l’uomo

contro la macchina, questo è l’uomo E la macchina. Può essere un medico e il

suo aiutante, un suo collega; per aiutarlo così a svolgere al meglio il proprio

lavoro, a sostenerlo realmente e aumentare la sua intelligenza.

Una nuova era sta per venire, nuovi posti di lavoro, e, lavori sempre più diversi. Il

tutto basato su 3 principi:

1) SCOPO

2) TRASPARENZA: saranno chiari con i clienti quando saranno toccati dall’AI

ovvero sapranno come è stata programmata e chi l’ha programmata.

3) COMPETENZA

Si costruirà cosi un mondo cognitivo: sarà un mondo sano, più sicuro, meno

dispersivo, più produttivo, più personalizzato, ma soprattutto un mondo più

GIUSTO. È questo il mondo in cui noi tutti vogliamo vivere! [16]

Cognitive Computer System and Healthcare with Watson IBM

23

3.2 IBM’s Watson takes on brain cancer

New York Genome Center (NYGC) e IBM stanno collaborando per analizzare i dati

genetici per accelerare la corsa di un trattamento per i pazienti con cancro al

cervello.

Il sistema di cognitive computing IBM Watson sarà progettato per analizzare i dati

genomici da un piccolo gruppo di pazienti con diagnosi di glioblastoma, uno dei

tumori cerebrali più aggressivi e maligni. IBM e NYGC esperti di biologia

computazionale sono rinomati per accelerare le scoperte delle scienze della vita con

approcci analitici profondi e tecnologie informatiche di nuova generazione.

Il sistema, distribuito come un prototipo basato su cloud, combinerà moderni analisi

genomiche e banche dati complete di letteratura medica biomedica e con potenza di

calcolo cognitivo di Watson per aiutare i medici a scoprire i singoli modelli genetici

di glioblastoma.

IBM, approfittando della competenza genomica e clinica di NYGC, continua a

sviluppare e perfezionare il sistema Watson con l'obiettivo comune di avere una cura

personalizzata per tutti i tipi di cancro, sulla base delle caratteristiche genetiche del

tumore di quella persona. Watson verrà utilizzato per Analizzare le variazioni di

sequenza del gene tra le biopsie normali di tumori cerebrali, informazioni mediche e

cartelle cliniche per aiutare i medici a individuare una varietà di trattamenti e a

scegliere su misura il tipo di cura per lo specifico cancro. Quindi Applicando la

potenza di calcolo cognitivo di Watson si accelera la possibilità di indirizzare cure

personalizzate per malattie mortali come il cancro. Normalmente, una diagnosi di

Cognitive Computer System and Healthcare with Watson IBM

24

glioblastoma presenta una prognosi di circa un anno di vita, a seconda della fase e la

diffusione del cancro. Un tempo molto breve per i medici per poter trovare il miglior

trattamento che si basa sulla conoscenza del genoma dello specifico cancro.

Ecco perché Il sistema Watson è stato progettato per integrare una rapida analisi del

genoma e per contribuire a ridurre drasticamente il tempo di lettura dei dati

genomici dello specifico tumore di un individuo, permettendo ai medici di prendere

più rapidamente decisioni su come possono curare i loro pazienti. Gli oncologi

potrebbero utilizzare il sistema di cloud-delivered in tempo reale per analizzare i dati

genetici con una macchina intelligente analizzando velocemente le varie banche

dati. Queste analisi possono aiutare a individuare possibili opzioni terapeutiche

specifiche in base al tipo di genoma del cancro di un paziente, aiutando così gli

oncologi nelle loro decisioni di trattamento e la cura.

"Con questa conoscenza, i medici saranno in grado di attaccare il cancro e altre

malattie devastanti con trattamenti che sono adeguati ai propri profili del DNA di

malattia del paziente. Si tratta di una trasformazione importante che può aiutare a

migliorare la vita di milioni di pazienti in tutto il mondo."

Dr. Robert Darnell, CEO, President and Scientific Director of the New York Genome

Center [15].

3.3 La chirurgia robotica

Si vuole rendere la chirurgia più disponibile su una scala molto più ampia e usare la

robotica per migliorare i risultati. Oggi la chirurgia robotica è possibile ma è

piuttosto ingombrante e molto costosa. Dei miglioramenti ci sono stati, alcune delle

cose fatte è stata quella di incorporare AI e le capacità cognitive in una macchina.

È stata tentata una chirurgia mini-invasiva su un paziente: il dottore su uno schermo

tramite due mouse pilotava il robot presente nella sala chirurgica in tempo reale,

Cognitive Computer System and Healthcare with Watson IBM

25

seguiva semplicemente uno schema, una procedura, come se fosse un prefabbricato.

Insomma un algoritmo che semplifica la chirurgia. Si incomincia quindi a pensare di

utilizzare algoritmi cognitivi che indicano il percorso migliore da approcciare. Si può

pensare di effettuare un intervento chirurgico da parte di un dottore che si trova in

un’altra parte del mondo ad un paziente posto in un altro luogo grazie alla

CHIRURGIA ROBOTICA [16].

Cognitive Computer System and Healthcare with Watson IBM

26

Capitolo 4

Conclusioni

Il cognitive computing, o la terza era dell’informatica (dopo quella delle macchine

capaci di fare di conto dei primi del Novecento e quella dei sistemi programmabili

degni anni Cinquanta), sta aprendo nuovi scenari dove si sta assistendo ad una vera

pe propria rivoluzione. Le tecnologie cognitive risolvono problemi che i sistemi di

analisi tradizionali non sono in grado di affrontare. Queste nuove macchine sono in

grado di confrontarsi con dati numerosi ed eterogenei, permettendo alle società e

istituzioni che utilizzano tali sistemi di ottenere un vantaggio competitivo senza

precedenti. Il sistema cognitivo che oggi spicca tra i tanti è IBM Watson, il quale è

stato progettato accuratamente per essere in grado di svolgere determinate azioni

quali, in primis, l’interpretazione del linguaggio naturale e lo studio delle domande.

Le numerose abilità di Watson sono state prontamente adoperate in diversi ambiti, un

esempio, come abbiamo visto, è quello medico.

Entro la fine di questo anno (2017) la IBM avrà addestrato Watson sui tumori che

causano l’80% delle occorrenze di cancro in questo mondo. Ciò verrà realizzato in

collaborazione con i migliori 20 centri di cancro del mondo. Con le informazioni

disponibili sul genotipo, informazioni sulla biologia di base e fisiopatologia si può

agire in maniera efficace sui tumori capendo meglio quando attivare il sistema

immunitario, preparando al meglio il corpo per non subire gli effetti collaterali delle

chemioterapie. Oltre al campo medico IBM Watson è stato utilizzato per rendere una

Cognitive Computer System and Healthcare with Watson IBM

27

città più intelligente installando sensori sulle luci le quali si spengono se non ce

traffico per risparmiare energia. In Cina grazie a Watson hanno analizzato le

particelle nell'aria e hanno previsto con dieci giorni di anticipo i tassi di

inquinamento, potendo cosi, prendere decisioni molto in anticipo per ridurre

l'inquinamento [16].

Credo che il futuro sia innovazione e tecnologia avanzata, dove esse potranno essere

applicate in qualsivoglia settore per risolvere ogni problema dal più personale a

quello più generico. Le informazioni aumentano sempre di più e il sol cervello

umano non è in grado di analizzarle ed elaborarle in modo rapido, per questo

abbiamo bisogno di strumenti/macchine che ci affiancano “amichevolmente” per

aiutare a prendere decisioni ottimali e per scoprire, come nel caso del settore

sanitario, nuovi farmaci, nuove strade per poter combattere malattie mortali che per

fortuna grazie ai sistemi cognitivi possiamo combattere.

“Credo che alla fine del secolo l'uso delle parole e l'opinione delle persone di cultura saranno

cambiate a tal punto che si potrà parlare di macchine pensanti senza aspettarsi di essere

contraddetti.”

Alan Turing

Cognitive Computer System and Healthcare with Watson IBM

28

Bibliografia

1. Crevier, Daniel, AI: the tumultuous search for artificial intelligence, New

York, BasicBooks, 1993.

2. McCorduck, Pamela, Machines who think, San Francisco, W.H. Freeman,

1979.

3. Russell, Stuart – Norvig, Peter, Artificial Intelligence: a modern approach, 3

ed., Pearson, 2010.

4. Turing, Alan M., Computing machinery and intelligence, Mind 49: pp. 433-

460, 1950.

5. McCarthy, John, A proposal for the Dartmouth summer research project on

artificial intelligence, 1955.

6. Somalvico M., Amigoni F., Schiaffonati V., La grande scienza. Intelligenza

artificiale

7. theconversation.com/understanding-the-four-types-of-ai-from-reactive-

robots-to-self-aware-beings-67616, “Understanding the four types of AI,

from reactive robots to self-aware beings”

8. Britannica.com/science/cognitive-sciencePaul Thagard, “Cognitive Science”

9. alyante.teamsystem.com/blog/cognitive-computing, “Cognitive Computing:

che cos’è?”

10. di.unipi.it/~cappelli/seminari/brinchigiusti2.pdf

11. “Ibm watson.”https://it.wikipedia.org/wiki/Watson(intelligenza artificiale).

12. Wired.it/attualita/tech/2014/05/23/la-nuova-frontiera-del-

Cognitive Computer System and Healthcare with Watson IBM

29

cognitive-computing/

13. USAA and Watson – IBM USA.

14. What's The Future Of Cognitive Computing? IBM Watson – IBM article

15. research.ibm.com, “IBM’s Watson takes on brain cancer”

16. CEO IBM Ginni Rometty, Keynote 2017 interconnect, Keynote

HIMSS2017,IBM at SXSW and Keynote interconnect.