Mannequin Challenge: ecco come l’utenza di internet aiuta (indirettamente) la tecnologia

Mannequin Challenge: ecco come l’utenza di internet aiuta (indirettamente) la tecnologia

Ricordate la Mannequin Challenge? Si tratta di un vecchio trend di internet diventato virale nel 2016, che consisteva nel restare totalmente immobili (da qui il nome, che si traduce in “sfida del manichino”) mentre una telecamera girava intorno ai soggetti temporaneamente tramutati in manichini. Dov’è la tecnologia in tutto ciò? Presto detto: se, a suo tempo, avete partecipato a questa sfida, congratulazioni: avete contribuito all’addestramento di una rete neurale.

Internet è famoso per i suoi trend e le sue sfide che, a volte, diventano così virali che anche alcuni personaggi famosi finiscono per pubblicare la loro versione sui social. In questo caso, la sfida di cui parliamo è quella del manichino, diventata popolare nel novembre del 2016. Il trend non prevedeva altro che restare immobili, mentre una telecamera mobile riprendeva i partecipanti da varie angolazioni.
Il fenomeno, che ha avuto inizio da un gruppo di liceali di Jacksonville, si è diffuso per il web attraverso l’hashtag #MannequinChallenge, utilizzato su social come Twitter e Instagram.

Conoscevate il trend in questione? Se la risposta è sì e, soprattutto, se ne avete preso parte, allora sappiate che i ricercatori specializzati nella visione artificiale vi ringraziano, dal momento che avete contribuito allo sviluppo di alcuni robot.
Aggiungiamo un po’ di contesto a questa affermazione; noi esseri umani siamo già in grado di interpretare video in 2D, così come scene in 3D ma, come sappiamo, le macchine devono imparare a farlo, o meglio, hanno bisogno di qualcuno che glielo insegni. Questa abilità è importante per i robot, poiché riconoscere le dimensioni di un oggetto permette loro di muoversi liberamente in ambienti poco familiari. Nello specifico, questa abilità risulta ancora più utile se la si applica alla visione artificiale nel contesto delle auto a guida autonoma.

Un’altra cosa che sappiamo è che questi robot, per svolgere al meglio le loro funzioni, hanno bisogno di una enorme quantità di dati. E questo è proprio il momento in cui, finalmente, entra in gioco la Mannequin Challenge. Un team di esperti che lavorano per Google AI ha pensato bene di sfruttare dati già immagazzinati in internet, per fornire informazioni alle reti neurali coinvolte in progetti di visione artificiale. Hanno quindi selezionato migliaia di video YouTube nei quali gli utenti si cimentavano nella Mannequin Challenge, che rappresentano una raccolta di dati estremamente utile per raggiungere una profonda comprensione delle immagini 2D.

I ricercatori hanno perciò convertito circa 2.000 video della Mannequin Challenge in immagini 2D e, successivamente, hanno dato il risultato in pasto alla rete neurale che stavano addestrando. Quest’ultima è stata poi in grado di prevedere la profondità di un oggetto in movimento con un’accuratezza decisamente maggiore rispetto a quella dei risultati precedenti, nonostante le tecnologie utilizzate fossero più moderne rispetto a dei video YouTube di tre anni fa.
I ricercatori impegnati in questo progetto hanno rilasciato i dati da loro utilizzati perché potessero venire riciclati per future ricerche; questo significa che le migliaia di partecipanti alla Mannequin Challenge non hanno solo contribuito allo sviluppo della rete neurale di Google AI, ma ad un numero maggiore di progetti riguardanti la visione artificiale, la robotica e la tecnologia in generale, dei quali potrebbero anche non venire mai a conoscenza.

Se, per alcuni, questa potrebbe sembrare una questione poco etica e una sorpresa sgradita, la maggior parte delle volte, quando si svolgono ricerche relative alle IA, situazioni come questa sono la regola, piuttosto che l’eccezione. Molte delle raccolte di dati utilizzate per queste ricerche sono state compilate estrapolando dati pubblici da siti che conosciamo molto bene, come Twitter, Wikipedia, Flickr e molti altri. Come abbiamo già specificato in diverse occasioni, è necessaria una mole immensa di dati per addestrare gli algoritmi di deep learning e, ogni anno, sono necessari sempre più dati. Dal momento che tutto ciò che facciamo su internet lascia delle tracce (vi ricordate dei Big Data?), perché non approfittarne ed utilizzarle per aiutare la ricerca?

La pratica del data-scraping, ovvero la tecnica informatica che permette di estrarre dati dai siti web, non viene considerata né positiva, né negativa. Certo, se la si guarda considerando i risultati, è ovvio che sia positiva, dal momento che permette di aiutare la ricerca, come abbiamo appena visto; ma, in termini di etica, c’è chi potrebbe considerarla come una violazione della privacy, poiché non viene mai dato il consenso esplicito all’utilizzo dei propri dati da parte dei ricercatori.
Con il passare degli anni, inoltre, i dati sugli utenti sono diventati una vera e propria merce e, perciò, hanno un valore economico. Alla luce di ciò, i tecnologi si ritrovano a dover mettere in discussione le tecniche con le quali raccolgono i dati, ma sappiamo già che parlare di etica e, contemporaneamente di robotica, non è una cosa facile.
Continuate perciò a navigare su internet e ad utilizzare i vostri social network preferiti, senza farvi troppi scrupoli ma con la consapevolezza che, da qualche parte, un ricercatore sta usando anche i vostri dati per addestrare una rete neurale.