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.

Leggi anche: I migliori strumenti di machine learning per data scientist e sviluppatori

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

di Sara Brunelli

 

3 soluzioni per industrializzare lo sviluppo dell’intelligenza artificiale

L'intelligenza artificiale vive ancora una fase quasi artigianale, in cui ogni progetto fa storia a sé ed è difficilmente trasportabile altrove. Tre startup californiane stanno cercando di portarla nell'era industriale.
G Suite

Intelligenza artificiale: Google rende più smart la sua G Suite

L'ultima mossa di Google nel campo dell’IA consente agli utenti di accedere ad alcune app di G Suite con Google Assistant e introduce suggerimenti di testo di Smart Compose a Documenti.
juniper partner juniper networks

Juniper Networks cambia il Global Partner Program in chiave AI

Il Juniper Partner Advantage 2020 prevede tra l'altro incentivi per favorire modelli di entrate ricorrenti e skill innovativi, formazione tecnica e commerciale, e una piattaforma di PRM
LinkedIn UE intelligenza artificiale jarvis

Talenti AI: LinkedIn fotografa il mercato del lavoro

Secondo il report “AI talent in the Labour market” di LinkedIn gli specialisti di AI si concentrano in tre paesi europei. L’Italia non è tra questi, ma ci sono sorprese per il gender gap
salesforce

Salesforce punta sempre di più sul suo assistente vocale Einstein

Salesforce è tra le diverse aziende tecnologiche che mirano a portare il controllo vocale in azienda, anche se la maggior parte degli utenti dovrà aspettare fino al 2021 per accedere al suo assistente vocale Einstein.
intelligenza artificiale

Intelligenza Artificiale: italiani più consapevoli ma spesso spaventati

La ricerca Retail Transformation 2.0 mette in evidenza come gli italiani siano più consapevoli della potenzialità dell’intelligenza artificiale, che percepiscono però ancora con un certo timore.

Al via AIXA: Mark Curtis (Accenture) parla del declino della “rilevanza” delle persone

Nell’evento di apertura di AIXA, Mark Curtis tocca il tema della rilevanza degli individui e delle comunità, minacciate dai cambiamenti globali e dalla tecnologia, e offre consigli alle aziende che vogliono trovare uno scopo più alto

NapAssistant, il chatbot dell’aeroporto di Napoli funziona davvero

La scorsa estate il chatbot NapAssistant ha scambiato 40.000 messaggi con 3.000 viaggiatori in cerca di informazioni sull'aeroporto di Napoli, gestendo picchi di 200 conversazioni al giorno.
blockchain

L’impatto di intelligenza artificiale e Blockchain sui modelli di business

Una nuova ricerca italiana mostra come l’intelligenza artificiale e la blockchain avranno un impatto notevole a livello di risorse, riducendo l’errore umano, gli infortuni sul lavoro e aumentando la produttività.
blockchain

Non verremo sostituiti dalla AI

Ci sono perni e ci sono ingranaggi. Non mi riferisco alla meccanica, bensì alle persone. Alcuni di noi si possono definire così. Gli ingranaggi...

Menu personalizzati e camerieri robot, così l’intelligenza artificiale rivoluzionerà i locali

L’AI è destinata a rivoluzionare i processi aziendali, le dinamiche lavorative e la relazione con i clienti in tanti settori, compreso quello dell’HoReCa

Artificial Intelligence Expo Of Applications: a Milano si parla di futuro con 200 esperti...

Milano, 21 ottobre 2019 – L’intelligenza artificiale è diventata ormai la nuova macchina a vapore dell’evoluzione tecnologica. La quarta rivoluzione industriale parte da qui,...

AI ed esperienza d’acquisto interattiva: l’occhio “ubiquo” delle telecamere e l’effetto sui consumatori

Amazon Go:  una svolta nella tecnica del cosiddetto “silent selling”.
emotional intelligence

L’incremento di IA e automazione fa crescere la emotional intelligence

Tra consapevolezza di sé, autogestione, consapevolezza sociale e gestione delle relazioni, la emotion intelligence sarà un requisito fondamentale per raggiungere il successo nei prossimi anni.

Il database GPU di Kinetica per la real time analytics

Kinetica usa le GPU per accelerare analisi in tempo reale e algoritmi di IA e abilitare applicazioni difficili da raggiungere con i metodi tradizionali.

Perché l’85 percento dei nuovi prodotti non ha successo? Chiedilo al web

Commerce.ai analizza recensioni web e post social per fare sentiment analysis specializzata nella comprensione dei prodotti consumer e del loro pubblico
Compliance AI Regulatori change management intelligenza artificiale

Risolvere i problemi di compliance e regulation management con la IA

La regolamentazione del settore finanziario è triplicata negli ultimi dieci anni, incidendo sui costi di personale, consulenza e per sanzioni. Compliance.ai vuole risolvere il problema con l'intelligenza artificiale.
Sviluppo software lavagna metodi sviluppo preventivi

Machine learning: sviluppatori e fornitori devono essere chiari e trasparenti

Il machine learning sta entrando sempre più nelle applicazioni di business, ma impone a sviluppatori e fornitori IT di cambiare approccio nel valutare gli obiettivi dei progetti software, le risorse e i preventivi di spesa
trasformazione digitale

Intelligenza artificiale e analytics al servizio della trasformazione digitale

Per IDC oltre il 30% delle grandi aziende in Italia sta lavorando ad applicazioni e workload abilitati da Machine Learning e AI. Nel marketing & sales e nell'automazione dei processi IT gli impieghi più avanzati
4,067FansMi piace
1,923FollowerSegui

BrandPost (info)

DA NON PERDERE

leader hr

Gartner: le cinque priorità per i leader HR nel 2020

Sviluppare skill e competenze critiche, rafforzare la leadership attuale e futura, integrare la progettazione organizzativa e la gestione del cambiamento. Queste alcune delle priorità di cui i leader HR dovranno tenere conto nel 2020.
iphone 11

Gli iPhone 11 raccolgono dati sulla posizione… ma non c’è da preoccuparsi

A quanto pare gli iPhone 11 stanno segretamente raccogliendo le informazioni sulla vostra posizione, anche se avete detto loro di non farlo. C’è da preoccuparsi? No e vi spieghiamo il perché.
skill tecnologiche

La top ten delle skill tecnologiche più ricercate nel 2020

Trovare il lavoro IT perfetto non è mai facile, ma alcune skill tecnologiche possono facilitare le cose. Ecco le dieci competenze informatiche che i datori di lavoro cercheranno nel 2020.