(Nota: ho aggiunto il rif. al messaggio originale di Antonio Casilli per cercare di ricostruire il thread) Buongiorno Giuseppe, grazie per le informazioni, per completezza ricordo che il documento citato da Antonio Casilli è questo: https://mila.quebec/wp-content/uploads/2020/05/COVI-whitepaper-V1-1.pdf Giuseppe Attardi <attardi@di.unipi.it> writes: [...]
L'obiettivo è effettuare una previsione del rischio:
"Upon installation or at any time thereafter, users may grant consent on an opt-in basis (and may subsequently opt-out, at any time) to send certain information at scheduled intervals to the COVI ML server
Considerata la delicatezza del compito assegnato a quel server, spero che in questa lista tutti convengano sul fatto che finché non è pubblicato il codice sorgente dell'algoritmo di ML (oltre ai dati usati per l'apprendimento) è impossibile valutare la bontà delle previsioni di rischio. Per adesso il codice non è disponibile, nonostante il progetto sia stato presentato da mesi: https://covicanada.org/faq/ --8<---------------cut here---------------start------------->8--- Yes. All our codes will be open for scrutiny and improvement. And, as part of our not-for-profit mission, we want our work to be available to other countries to help in their fight against Covid-19. The codes will be distributed on github. If you are interested in using COVI please contact us at code@covicanada.org for more information. --8<---------------cut here---------------end--------------->8--- Sarebbe interessante avere un software da analizzare anche perché di dati sui pazienti ad oggi ne sono stati raccolti molti, anche attreverso specifici studi territoriali (es. Vo Euganeo et. al in Italia) sarebbe interessante poter verificate retrospettivamente quali livelli di rischio sarebbero associati a un cittadino di Nembro piuttosto che a uno di Messina o di Francoforte... o sto solo facendo confusione? [...] ...però Antonio Casilli il 19 Maggio scorso ha scritto questo sul metodo usato per il training: [...] (cito dalla email di Antonio)
In parole povere, un gruppo di scienziati ha progettato una simulazione multi-agenti piena di bias e di assunzioni legate alla loro percezione non-specialistica della realtà sociale, ha fatto annotare i dati così ottenuti da micro-lavoratori le cui condizioni di lavoro sono sconosciute, ha utilizzato il predittore così ottenuto all'interno della stessa simulazione di prima, assumendo un livello di adozione (60%) mai osservato in un contesto empirico. Perché dovremmo fidarci dell'app magica di Yoshua Bengio?
Io non ho avuto modo di leggere il paper: Antonio Casilli esagera nella sua caratterizzazione del lavoro (bias, annotazione dati) o ha centrato il punto? Io ho trovato solo questa analisi del progetto COVI Canada: https://observatoire-ia.ulaval.ca/analyse-obvia-covi/ ...non conosco il francese (anche se intuisco) ma mi pare non si parli minimamente del metodo di training dell'algoritmo AI [...] Saluti, Giovanni. -- Giovanni Biscuolo