Bologna 40125, Italy
+39 347 517 719
info@htware.it

Google Knowledge Vault: una (s)volta nelle risposte dirette di BigG

Google Knowledge Vault: fatti contro link
Google Knowledge Vault

Google Knowledge Vault

Mentre ti stavi gingillando con pinne, boccagli, palette e secchielli – in attesa di un Pinguino che non è arrivato, salvo una piccola Penguin Dance su qualche cubetto di ghiaccio nell’ennesimo self-show estivo dell’ICE Bucket Challenge (quello di Matt, in inglese) – Google preparava la svolta.

Anzi la Knowledge Vault, Arco (o volta in senso architettonico), ma anche Caveaut della Conoscenza.

Greg Sterling (Search Engine Land) non ha dubbi: la Google Knowledge Vault “accenderà il futuro della ricerca”. Da indice di link ordinati per pertinenza e rilevanza, BigG si vuole imporre come l’ombelico di ogni singola risposta a qualunque quesito dell’umanità.

Prima della “camera di sicurezza”, c’era una volta il Knowledge Graph: per intenderci la scheda allegata ai risultati di una ricerca specifica per persone oppure luoghi.
Qui il risultato istantaneo mette insieme oppure preleva materiale riconosciuto come autorevole attraverso l’apporto umano, con giudizi e revisioni editoriali.

Il Knowledge Graph è alimentato da Freebase.com, un database “partecipativo” che mette insieme diverse fonti di informazione e dove prevale nettamente Wikipedia.

Benché di proporzioni ormai colossali, Google ha incominciato a ritenere questa modalità di raccolta dati poco completa e non sufficiente fin dallo scorso anno: qui puoi trovare la prima presentazione della Knowledge Vault.

Secondo Hal Hodson (New Scientist), la Knowledge Vault rappresenta il superamento del “fattore umano” nella raccolta dei dati e nell’elaborazione delle informazioni.

“Google ha incominciato a costruire l’Arco”, scrive Hodson, “usando un algoritmo per raccogliere automaticamente le informazioni dal web e metodi di apprendimento automatico (machine learning) per trasformare dati grezzi in spicchi di conoscenza”.

Per costruire una base di Conoscenza più ampia della precedente, Google utilizzerà un insieme di segnali, tra cui contenuti strutturati e non di ciascun sito web e dati prioritari (“Prior Knowledge”) per ridurre la frequenza di errore e ricavare un indice di affidabilità.

I segnali della Knowledge Vault

I segnali della Knowledge Vault

Nella presentazione è mostrato con chiarezza in quali modi Google estrae singole entità dai contenuti di una pagina, elaborandole in fatti validati utilizzando la c.d. Conoscenza Antecedente (“Prior Knowledge”). Il valore del processo è dato dalla combinazione di diversi metodi di estrazione e di validazione, il tutto finalizzato a creare un database di entità più robusto ed efficiente.

Hodson afferma che la Knowledge Vault pone le basi per applicazioni future di intelligenza artificiale, comunicazione da macchina a macchina, realtà aumentata, modelli predittivi e l’utilizzo di assistenti virtuali.
Un utilizzo pratico di questi metodi per estrarre conoscenza potrebbe adattarsi al campo medico: immagina una squadra di bot addestrati a monitorare e guidare la tua salute, analizzando i tuoi sintomi attraverso una base di conoscenze  e correlandoli con i dati della tua cartella clinica.

Secondo Sterling, la Knowledge Vault potrebbe anche trasformarsi in una “caverna” della conoscenza: “a seconda di quanto paranoico tu possa essere, questo tipo di intelligenza artificiale potrebbe rappresentare una promessa infinita per il futuro dell’elaborazione dei dati oppure una cosa potenzialmente spaventosa sotto l’ombra di un programma di “informazione consapevole globale” del governo americano…

Tutta paranoia? E tu cosa ne pensi? E comunque tu la possa pensare, bentornato!