Intelligenza Artificiale

Intelligenza artificiale: cos’è e cosa offre alle aziende

intelligenza-artificiale

Nata come disciplina scientifica a metà del secolo scorso, l’intelligenza artificiale viene oggi indicata dagli analisti del settore come una grande sfida tecnologica che può aprire nuovi scenari per le imprese. Attorno ad essa scorrono fiumi di denaro, i big dell’IT fanno ricerche in questo settore e, se non hanno risorse interne, acquisiscono startup o piccole aziende specializzate. Storicamente, le prime aziende IT a investire nell’intelligenza artificiale sono state IBM e Microsoft, seguite da player del calibro di Apple, Facebook, Google e Amazon, solo per citare qualche nome.

Attualmente l’intelligenza artificiale, spesso indicata semplicemente con AI (artificial intelligence), trova applicazioni in diversi campi, dal retail ai trasporti, dal settore medico al finance, dalle ricerche su Internet agli assistenti personali come Alexa e Siri.

Leggi anche: 10 applicazioni concrete dell’intelligenza artificiale

L’intelligenza artificiale comporta tuttavia una intrinseca complessità, legata alla difficoltà di definire cos’è l’intelligenza umana e a cosa si intende per “macchina intelligente”. Inoltre, nonostante siano disponibili numerose soluzioni basate sull’intelligenza artificiale, esiste ancora un gap tra i risultati raggiunti a livello teorico, le applicazioni pratiche e la distribuzione su larga scala dell’innovazione potenzialmente abilitata dall’AI.

L’intelligenza artificiale dalle origini a oggi

La nascita ufficiale dell’intelligenza artificiale viene datata al 1956, quando al Dartmouth College, nel New Hampshire, si tenne un convegno dedicato allo sviluppo di macchine intelligenti. L’iniziativa era proposta da un gruppo di ricercatori, guidato da John McCarthy, che si proponeva di creare in pochi mesi una macchina capace di simulare l’apprendimento e l’intelligenza umana. La sfida fu accolta da personalità di spicco del mondo accademico e industriale, tra le quali Marvin Minsky e Claude Shannon del Dartmouth College, Arthur Samuel di IBM, Ray Solomonoff e Oliver Selfridge del MIT. Fu nell’ambito di questo convegno che McCarthy introdusse per la prima volta il temine “intelligenza artificiale” e ne sancì di fatto la nascita come disciplina autonoma.

L’obiettivo di creare una macchina capace di simulare ogni aspetto dell’apprendimento umano non è stato ancora raggiunto. Tuttavia le ricerche fatte in questa direzione hanno aperto la strada a nuovi campi di studio e a risultati che, nel tempo, hanno avvicinato sempre di più l’intelligenza artificiale al mondo dell’impresa. Tra le tappe miliari di questa evoluzione ci sono il LISP (1958), un linguaggio di programmazione specifico per problemi di intelligenza artificiale sviluppato dallo stesso McCarthy, e il programma ELIZA (1965), che simulava l’interazione tra un paziente e uno psicoterapeuta.

Il complesso problema di costruire macchine in grado di replicare l’intelligenza umana si è via via evoluto in un approccio più pragmatico, basato sulla scomposizione di un problema in sotto-problemi. A partire dagli anni ’70 sono stati sviluppati diversi “sistemi esperti”, ovvero programmi in grado di affrontare un problema specifico simulando le capacità di un esperto in quel particolare ambito. Una tappa importante in questo sviluppo è stato MYCIN (1976), un sistema esperto in grado di fare diagnosi per malattie ematiche.

È negli anni ’80 che l’intelligenza artificiale esce dall’ambito accademico ed entra nel mondo industriale. Un esempio di questo passaggio storico è R1, un sistema utilizzato dalla Digital Equipment che permetteva di configurare gli ordini per nuovi computer: introdotto nel 1982, R1 è il primo sistema esperto utilizzato in ambito commerciale.

Da allora ai giorni nostri le applicazioni basate sull’intelligenza artificiale si sono moltiplicate. La svolta è dovuta all’evolversi delle capacità computazionali e allo sviluppo di una serie di tecnologie abilitanti, tra le quali Big Data e cloud storage.

In questo sviluppo l’intelligenza artificiale viene intesa come una disciplina che risolve problemi specifici in ambiti ben definiti. L’approccio seguito è quello dell’AI debole, secondo cui le macchine possono comportarsi come se fossero intelligenti. Un approccio di ampio respiro che mantiene l’aspirazione a un grande obiettivo, ma si focalizza sulla soluzione di problemi specifici. Questa concezione si contrappone a quella dell’AI forte, secondo cui le macchine possono effettivamente essere intelligenti.

Le tecnologie disponibili

Negli ultimi due decenni sono stati sviluppati strumenti e tecnologie che promettono alle imprese un salto di qualità nella gestione del proprio business. Alcune soluzioni sono consolidate e hanno raggiunto una maturità di mercato, altre sono ancora in fase di sviluppo e non è possibile prevedere se il loro potenziale si trasformerà in un impatto reale per le aziende.

Nel suo report TechRadar: Artificial Intelligence Technologies, pubblicato all’inizio dell’anno, Forrester individua le 13 tecnologie che ritiene più significative per le aziende. Tenendo conto che lo scenario è in continua evoluzione, la società di ricerca le elenca partendo da quelle che trovano applicazione solo in ambiti molto specifici, passando a quelle più mature e che possono contare su un consolidato ecosistema di fornitori, system integrator e clienti.

  • Piattaforme di deep learning: questi algoritmi sono utilizzati per riconoscere oggetti all’interno di immagini, analizzare onde sonore per convertire il parlato in testo o processare il linguaggio e tradurlo in un formato adatto per analisi.
  • Elaborazione del linguaggio naturale (NLG, Natural language generation): questo insieme di tecnologie abilita una interazione fluida con il linguaggio umano per offrire informazioni, insight e interazioni attraverso frasi o testi lunghi. Vengono utilizzate anche per produrre testi leggibili da un essere umano, tipicamente a partire da un corpo di risposte o da componenti testuali.
  • Swarm intelligence: le tecnologie di swarm intelligence (letteralmente intelligenza dello sciame) sono sistemi decentralizzati ai quali contribuiscono diversi attori, sia umani che software, ognuno dei quali offre una parte della soluzione di un problema. In questo modo si costruisce una intelligenza superiore che riunisce e aumenta le specifiche conoscenze dei singoli. Queste tecnologie utilizzano il comportamento di insetti sociali (come le api) e sono applicate per modellare algoritmi che rispondono a obiettivi di business, come gestire una flotta di mezzi per le consegne, oppure danno risposte a domande specifiche, come le previsioni di risultati sportivi.
  • Biometrica: le tecnologie biometriche abilitano una interazione più naturale tra l’uomo e le macchine. Queste tecnologie rilevano caratteristiche fisiche del corpo umano e includono il riconoscimento di immagini, voce, linguaggio del corpo.
  • Analisi di immagini e video: si tratta di strumenti e tecnologie che analizzano immagini e video per rilevare oggetti e/o caratteristiche di oggetti. Queste piattaforme trovano applicazioni in diversi settori, tra i quali retail, assicurazioni, sicurezza, marketing.
  • Tecnologia semantica: un problema centrale per l’AI è comprendere l’ambiente e il contesto in cui viene applicata. Le tecnologie semantiche rispondono a questo problema offrendo una comprensione profonda dei dati e creando le basi per introdurre classificazioni, tassonomie, gerarchie, relazioni, modelli e metadati.
  • Riconoscimento vocale (speech recognition): sono strumenti e tecnologie che comprendono e interpretano il linguaggio parlato catturando segnali audio e trasformandoli in testo scritto o altri formati di dati utilizzabili in varie applicazioni, come sistemi vocali per costumer service, applicazioni mobile o robot fisici.
  • Hardware ottimizzato per l’AI: questa categoria comprende GPU e appliance progettate specificamente per eseguire compiti specifici dell’AI, come machine learning e deep learning.
  • Machine learning (ML): le piattaforme di machine learning offrono algoritmi, API, strumenti di sviluppo per progettare, sviluppare e addestrare modelli in applicazioni, processi e altre macchine. Le piattaforme di ML trovano impiego nelle situazioni in cui, per risolvere un problema, è necessario riconoscere pattern all’interno di grandi insiemi di dati.
  • Robotic process automation (RPA): le tecnologie RPA comprendono vari metodi per automatizzare azioni umane e rendere più efficienti i processi di business
  • Analisi del testo ed elaborazione del linguaggio naturale (NLP, natural language processing): questa categoria comprende gli strumenti in grado di capire e interpretare testo scritto e interi documenti. Nelle versioni più avanzate questi strumenti possono essere usati per comprendere emozioni, sentimenti e, entro certi limiti, prevedere le intenzioni dell’utente.
  • Agenti virtuali: software che offrono una interfaccia che permette all’utente di interagire in modo naturale con una macchina o un sistema informatico. Tra di essi ci sono i chatbot ampiamente utilizzati per costumer service e applicazioni mobili.
  • Decision management: si tratta di software che permettono di automatizzare le decisioni in tempo reale attraverso l’inserimento diretto di policy e regole che consentono ai sistemi AI di dedurre decisioni e di intraprendere azioni.
Potrebbe interessarti anche: Usare le API di intelligenza artificiale di Google, Amazon, Microsoft e IBM

Il sogno dell’AI diventa un gioco di squadra

Mentre il dibattito scientifico e filosofico sulla natura dell’intelligenza umana e la possibilità di replicarla prosegue, il mondo industriale ha scelto l’approccio più pragmatico, che rientra nell’accezione dell’AI debole.

Ogni azienda che sviluppa soluzioni basate sull’intelligenza artificiale persegue i propri scopi, anche economici. Tuttavia esistono organizzazioni non-profit che vantano tra i propri sostenitori big player dell’IT e puntano a far progredire lo sviluppo dell’intelligenza artificiale a beneficio dell’intera umanità.

Tra queste c’è Open AI, che si è posta l’ambizioso obiettivo di realizzare una AGI (artificial general intelligence), ovvero un sistema in grado di eguagliare l’intelligenza umana. Si tratta in un certo senso di un ritorno alla concezione originaria dell’intelligenza artificiale, l’AI forte, ma con l’appoggio delle attuali conoscenze e degli sviluppi futuri abilitati dai “sistemi intelligenti” realizzati fino a oggi.

Open AI, a sua volta, fa parte di Partnership on AI, un’associazione che si propone come luogo di incontro per tutti coloro che operano nell’ambito dell’AI, dal mondo accademico a quello industriale a quello politico. Tra i suoi membri ci sono Apple, Google, Facebook, IBM, Microsoft.

Potrebbe interessarti anche: L’intelligenza artificiale può essere utile, ma anche disruptive per le aziende
siri-vs-google-assistant

Siri vs Google Assistant: quale scegliere per l’iPhone?

Siri è forse la più famosa delle interfacce di controllo vocale, ma è anche la migliore? Abbiamo confrontato l’offerta di Apple con il nuovo Google Assistant per iOS
google assistant

Google I/O 2017: Google Assistant sbarca su iPhone e parlerà italiano

Google Assistant arriva su iPhone ed entro fine anno parlerà anche italiano. Ecco tutte le novità sull’assistente virtuale di Google.
sap-sede-palo-alto

SAP aiuta le imprese a imparare dai loro dispositivi intelligenti

A Sapphire Now l’azienda ha annunciato nuove funzionalità di machine learning per la sua piattaforma IoT Leonardo e altre applicazioni
cisco

Cisco acquisisce MindMeld e porta l’AI nella suite Collaboration

Con MindMeld Cisco acquisisce la tecnologia Deep-Domain Conversational AI, che permette di incorporare comandi vocali in qualsiasi applicazione e servizio

Harman Kardon Invoke: Cortana sbarca sugli speaker smart

Dopo Google Home e Amazon Echo, e in attesa del presunto modello di Apple, in autunno toccherà ad Harman Kardon Invoke con Cortana.

Apple al lavoro su uno speaker casalingo con Siri integrato?

Secondo MacRumors Apple starebbe lavorando al prototipo di uno speaker intelligente con Siri per sfidare Echo di Amazon e Google Home.
artificial-intelligence

Intelligenza artificiale: è necessario avere in azienda un responsabile dedicato?

Il crescente utilizzo delle tecnologie AI nelle aziende apre il dibattito sull’opportunità di inserire nel top management un profilo dedicato all’intelligenza artificiale
ibm-watson-uffici

IBM applica l’intelligenza artificiale al controllo qualità

Il sistema Cognitive Visual Inspection, sviluppato in collaborazione con ABB, riconosce i difetti di fabbricazione che sfuggono all’occhio umano

L’assistente virtuale Facebook M sbarca su Messenger

Dopo due anni di sviluppo è iniziato il roll out per alcuni utenti americani della versione beta di Facebook M, l’assistente virtuale di Messenger.

Usare le API di intelligenza artificiale di Google, Amazon, Microsoft e IBM

Come usare le API di machine learning per sviluppare app che riconoscono testi, immagini e comandi vocali, con interfacce utente e funzionalità innovative
intelligenza artificiale

Intelligenza artificiale: spese per 46 miliardi di dollari nel 2020

Le nuove stime di IDC sul mercato dell’intelligenza artificiale parlano di una crescita costante da qui al 2020, con in testa le cognitive applications.
microsoft-peter-lee

La strategia di Microsoft per affrontare le sfide di AI e machine learning

Come trasferire alle aziende i risultati sull’AI ottenuti a livello di ricerca? Peter Lee, vice presidente del gruppo AI di Microsoft, spiega come la società intende rispondere a questa difficile domanda
bixby

Bixby: ecco il nuovo assistente vocale di Samsung

L’assistente virtuale Samsung Bixby esordirà sul Galaxy S8 e si affiancherà ai vari Siri, Cortana e Google Assistant per rivoluzionare l’interazione con lo smartphone.
google-kaggle

Google vuole “democratizzare” l’AI con Kaggle

Con l'acquisizione della piattaforma dedicata all’apprendimento automatico Google otterrà l'accesso a una comunità di 600.000 data scientist

IBM e Salesforce collaborano per portare i dati Watson nelle applicazioni

Grazie alla partnership le aziende potranno sfruttare l’intelligenza di Big Blue nelle applicazioni Salesforce
facebook-prevenzione-suicidi

Facebook usa l’intelligenza artificiale per prevenire i suicidi

Il social network Mark Zuckerberg ha implementato nuovi strumenti per riconoscere situazioni a rischio
tastiera

Google punta a ridurre gli abusi online con l’AI e “Perspective”

Il nuovo servizio nasce dalla collaborazione tra il gigante tecnologico e Jigsaw, un incubatore della casa madre Alphabet
cognitive computing

Il cognitive computing diventa strumento di business

Secondo le previsioni di IDC entro il 2018 il 75% delle aziende e degli sviluppatori software includerà funzionalità cognitive computing in almeno un’applicazione aziendale.

IBM Watson anima la nuova lavagna interattiva di Ricoh

IBM e Ricoh rivoluzionano i meeting aziendali grazie a lavagne interattive e intelligenti che integrano le tecnologie cognitive di IBM Watson IoT.
2,863FanLike
1,670FollowerSegui

DA NON PERDERE

Slack tutorial guida prezzi logo

Slack: che cos’è e come funziona il tool per gestire un gruppo di lavoro

Slack è un ottimo strumento per gestire le comunicazioni in un gruppo di lavoro, indispensabile alleato per lo smart working. Ecco come funziona, qual è il suo prezzo e cosa fare per iniziare a usarlo in azienda
ddos

Attacchi DoS e DDoS raddoppiati a causa della Internet of Things

Gli scarsi controlli sulla sicurezza dei dispositivi IoT hanno contribuito a raddoppiare il numero dei cyber attacchi DOS e DDOS nel 2016.

Android O: due delle feature più utili viste finora

Abbiamo trascorso qualche giorno in compagnia della beta di Android O scoprendo due funzioni davvero utili e importanti.