Quando si dice “tempismo perfetto”. Con un post sul Tech Community, Microsoft sembra voler in qualche modo rispondere agli attacchi dell’ultimo periodo in merito agli aggiornamenti fallaci di Windows 10, in particolare alle accuse mosse da un ex dipendente di aver eliminato la componente umana nel verificare la bontà degli update in favore di un sistema tecnologico forse ancora acerbo.
Archana Ramesh e Michael Stephenson, rispettivamente Senior Data Scientist e Partner Data Scientist della divisione Microsoft Cloud and AI, hanno co-firmato un post dal titolo “L’uso del machine learning per migliorare l’esperienza di aggiornamento di Windows 10” in cui si sottolinea che a Redmond stanno aumentando gli investimenti in tecnologie di machine learning per “rilevare potenziali problemi più rapidamente e aiutarci a decidere il miglior momento per aggiornare ogni PC ogniqualvolta una nuova versione di Windows è disponibile”.
E sempre in tema di tempismo, bisogna ricordare che proprio nelle scorse ore Microsoft ha deciso di distribuire più ampiamente Windows 10 May 2019 Update, che raggiungerà così anche i PC che ancora non l’hanno ricevuto.
Nel post i due tecnici di Microsoft ricordano che la distribuzione di ogni feature update di Windows segue un processo graduale. La versione 1803 di Windows 10, nota anche come April 2018 Update, è stata la prima volta in cui Microsoft ha applicato il machine learning su larga scala.
“Abbiamo iniziato con sei aree principali per valutare la salute dei PC (la stabilità generale) e determinare se il processo di aggiornamento andava liscio. Con May 2019 Update (1903) possiamo valutare 35 aree e il processo continuerà ad evolvere”.
Nel post, in una serie di grafici, Microsoft spiega di aver constatato che “i PC indicati per gli aggiornamenti tramite il machine learning hanno un'esperienza di aggiornamento significativamente migliore. Ad esempio i PC scelti tramite il machine learning hanno meno della metà del numero di disinstallazioni avviate dal sistema, metà del numero di arresti anomali legati al kernel e cinque volte meno problemi di driver post-aggiornamento”.
La spiegazione prosegue con l’elenco di tutti i tasselli che compongono il sistema di machine learning, le varie difficoltà nel metterlo a punto e come si articola nel dettaglio. “Ogni release inizia con l’offerta dell’update ai primi utenti - i Windows Insiders e chi lo ricerca attivamente. Dopodiché monitoriamo la loro esperienza di aggiornamento tramite dati diagnostici (ad es. arresti anomali del kernel, disinstallazioni avviate dal sistema, arresti anomali e problemi del driver)”.
Il machine learning assicura due capacità chiave secondo la casa di Redmond: identifica i potenziali problemi che portano ad attivare meccanismi di salvaguardia per i PC devono ancora essere aggiornati, affinché gli sviluppatori li esaminino e risolvano i problemi. Inoltre prevede e indica i PC che non dovrebbero manifestare problemi e a cui dovrebbe essere offerto l’update.
Il processo si ripete quotidianamente, il modello impara costantemente e via via che i bug incontrati vengono risolti, la platea di PC che possono ricevere l’update si allarga. Il post illustra inoltre come viene messo a punto il modello di machine learning e si conclude con una “lode” al machine learning e al suo potenziale.
Microsoft si dice “entusiasta delle promesse del machine learning, ma c’è molto lavoro da fare per assicurare che sia completo, più automatizzato e agile affinché identifichi problemi in pochi secondi anziché ore. Nei futuri feature update, continueremo ad evolvere il machine learning e a condividere più dettagli sui progressi che facciamo”.
Insomma, chi voleva un ritorno a maggiori test da parte di personale umano deve deporre le armi: l’uso dei dati e delle nuove tecnologie sarà sempre più presente nel verificare la qualità di Windows e l’esperienza di aggiornamento. La speranza è che il machine learning maturi in tempi brevi.
