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
speaker casalingo con Siri

Tim Cook guarda al Giappone per migliorare Siri

Il nuovo centro di ricerca e sviluppo di Yokohama potrebbe svolgere un ruolo fondamentale nel continui miglioramenti di Apple nell'intelligenza artificiale
ted-talk

10 TED Talks da non perdere sull’intelligenza artificiale

I migliori TED Talks su AI, robotica, cooperazione uomo-macchina

Il digital marketing visto da SMX Milan 2015

L’evento SMX Milan 2015 – Search and Social Media Marketing Expo si è concentrato su tutto quello che riguarda il digital marketing, dal SEO al SEM.

Un nuovo servizio di machine learning per AWS

Amazon Machine Learning è un servizio cloud progettato per ricavare informazioni utili da una montagna di dati.

Google mette l’intelligenza artificiale in una nuova app di messaggistica

Il Wall Street Journal riporta che il colosso di Mountain View sta sviluppando di chatbot che amplierà l’attuale servizio di ricerca vocale

Il machine learning secondo Nvidia Tesla

Nvidia ha presentato due schede acceleratrici che velocizzano lo sviluppo di reti neurali e l’utilizzo di funzioni di machine learning per i data center.

IBM al CES: i dispositivi connessi hanno bisogno di Watson

Ginni Rometti presenta due partnership con produttori di dispositivi indomabili per la salute e il fitness. E’ la prima volta che un CEO di Big Blue sale sul palco del Consumer Electronics Show
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

Microsoft e intelligenza artificiale: tutte le novità

Chatbot, Cortana, Bot Framework e Translator tra le novità annunciate ieri a San Francisco che dimostrano ancora una volta lo strettissimo legame tra Microsoft e l’intelligenza artificiale.
ford-fusion

Ford investe 1 mld di dollari in AI per le auto a guida autonoma

L’investimento è destinato ad Argo AI, una startup fondata da ex manager di Google e Uber. Ford è azionista di maggioranza di Argo AI
ibm-watson-uffici

Intelligenza artificiale a servizio dei Big Data nella nuova piattaforma IBM

Project DataWorks “può ingerire i dati più velocemente di qualsiasi altra piattaforma” ed è disponibile attraverso IBM Bluemix

5 termini “nerd” che spesso usiamo in modo sbagliato

Realtà virtuale e aumentata, nomade digitale, “unicorno”, drone: cosa significano esattamente queste espressioni?

Sempre più investimenti nella robotica secondo IDC

Nel 2019 gli investimenti in robotica nell’area EMEA sfioreranno secondo le stime di IDC i 24 miliardi di dollari.

Machine Learning: cos’è e come funziona

Cosa si intende per Machine Learning e come funzionano i sistemi che modificano il proprio programma in base a ciò che apprendono dalla realtà, usando strumenti di intelligenza artificiale
speaker casalingo con Siri

Siri, Google Now e Cortana: nel 2019 sarà boom

Secondo Gartner nel 2019 un quinto dei possessori di smartphone interagirà con il proprio telefono attraverso un assistente personale virtuale.

La sfida di Zuckerberg per il 2016: costruire la propria smart home

Partendo da un semplice sistema di automazione, il CEO di Facebook punta a sviluppare un assistente digitale che assomiglia alla JARVIS AI di Iron Man

Cosa dobbiamo aspettarci veramente dall’Intelligenza Artificiale?

Sfatiamo qualche mito “fantascientifico” sull’Intelligenza Artificiale e iniziamo se mai a vederla come utile e importante alleata a livello IT.

L’intelligenza artificiale può essere utile, ma anche disruptive

I sistemi di IA stanno diventano un investimento business sempre più primario e importante, ma la tecnologia alla loro base non è ancora matura.

Elon Musk e la Silicon Valley insieme per difenderci dai robot

OpenAI è una nuova società di ricerca senza scopo di lucro. Il suo obiettivo è assicurare che l'intelligenza artificiale venga impiegata a favore dell’umanità, non contro di essa
2,860FanLike
1,667FollowerSegui

DA NON PERDERE

nuovo surface pro

Nuovo Surface Pro: il convertibile di Microsoft si rifà il trucco

Prestazioni migliorate, autonomia raddoppiata, Surface Pen più precisa e display rinnovato. C’è davvero tanto di nuovo nel nuovo Surface Pro.

12 motivi per i quali Apple è leader del mobile enterprise

Sicurezza, affidabilità, sviluppatori, supporto, partnership. Sono solo alcuni dei motivi per cui la corsa di Apple nel mobile enterprise procede a gonfie vele.
trasformazione digitale

Digitalizzazione delle PMI italiane tra big data ed e-commerce

Per le imprese italiane che puntano alla digitalizzazione rivestono sempre più importanza l’utilizzo dei big data, la contaminazione con le startup e l’e-commerce.