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.

Leggi anche: Il machine learning, spiegato bene: cos’è, come funziona e quali strumenti si usano

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

Sara Brunelli

Attiva nel settore della comunicazione dal 2003, mi sono specializzata nell’editoria B2B, seguendo in particolare lo sviluppo di nuove tecnologie e della robotica.

Huawei contribuisce ad un’Europa digitale sostenibile nel datacenter e nello storage

Dati “verdi” per nutrire i rinnovati datacenter su applicazioni reali già disponibili: sanità e formazione tra i casi di studio presentati nell’IDI Forum 2022

Reti AI-driven: Juniper prevede un balzo in avanti

L’analisi dei dati in cloud con tecniche AI permette un salto in avanti nella sicurezza aziendale e nell’esperienza dell’utente.
pytorch

PyTorch, Python per la IA: cos’è e come iniziare

PyTorch 1.10 è pronto per la produzione, con un ricco ecosistema di strumenti e librerie per il deep learning, la visione artificiale, l'elaborazione del linguaggio naturale e altro ancora.

Superare i limiti dell’IA con l’intelligenza artificiale generale

L'intelligenza artificiale generale sarà in grado di comprendere qualsiasi compito intellettuale così come lo apprendiamo noi umani. Avrà costi elevati e rischi enormi, ma arriverà e forse lo farà prima del previsto.

Algoritmi AI per contrastare il cancro al seno

I dati presentati all'International Meeting on New Drugs and New Insights in Breast Cancer che si è svolto a Roma. Tecnologia e Centri di Senologia la ricetta vincente.
HPE Swarm Learning

HPE Swarm Learning: innovazione AI per i siti edge e i siti distribuiti

HPE Swarm Learning è una soluzione di machine learning decentralizzata che preserva la privacy e consente agli utenti di condividere i “learning” ai siti edge o su siti distribuiti senza compromettere la privacy dei dati.

I dubbi del CSS sull’Intelligenza Artificiale

Il Consiglio Superiore di Sanità chiede che per introdurre in modo sicuro nella pratica clinica i sistemi di I.A e competere in ambito internazionale nella programmazione e nello sviluppo, è necessario creare una struttura di governance a livello nazionale

AIxIA, un ciclo di seminari dedicato all’evoluzione dell’IA

L'Associazione Italiana per l'Intelligenza Artificiale ha annunciato il lancio di una nuova iniziativa virtuale: i Seminari Spotlight sull'IA. Lo scopo è illustrare, esplorare e discutere le attuali sfide, tendenze e possibilità scientifiche in tutti i rami di questo campo di ricerca.
Tech Data Silvia Zagaria Tech Lab

Tech Data rinnova il Tech Lab di Milano dedicato all’AI

"Non parliamo solo di soluzioni da vendere ma di nuovi modelli di business, competenze e consapevolezza che il mercato è pronto", spiega Silvia Zagaria, Manager BU Software

Misurare il fattore umano con l’Intelligenza Artificiale

Un software di intelligenza artificiale utile alla formazione in neonatologia tramite la simulazione che rileva automaticamente i momenti di dialogo in cui la comunicazione tra i membri del team medico si rivela potenzialmente inefficace.
sase

Tutti i modi in cui il SASE sfrutta l’intelligenza artificiale

I fornitori di SASE stanno applicando AI e machine learning ai dati di rete e di sicurezza per affinare l'analisi, rafforzare la protezione e aumentare le prestazioni
sostenibilità aziendale

Con le tecnologie basate su IA più successo per la sostenibilità aziendale

Secondo una ricerca Oracle a livello globale il 94% delle persone ritiene che la società non abbia fatto abbastanza progressi sulla sostenibilità aziendale e sui temi sociali, ma grazie all’IA le cose possono migliorare.
manager aziendali

I manager aziendali sono la forza trainante dell’etica nell’AI

Secondo uno studio IBM, la responsabilità relativa all'etica dell'AI non sarà più appannaggio dei soli team IT, ma di una più ampia rosa di leader aziendali.
intelligenza artificiale dimissioni

Coinvolgimento dei collaboratori, turnover, dimissioni: cosa può e cosa non può fare l’AI

Le aziende si stanno rivolgendo a chatbot e apprendimento automatico per “aumentare le risorse umane”, migliorare la conoscenza dei lavoratori, identificare i rischi di fuga e rafforzare il supporto alla carriera. Strategie efficaci, a patto che si inseriscano in un ambiente aziendale sano
ai Stanford Institute for Human-Centered Artificial Intelligence

AI Index 2022: boom di investimenti nell’intelligenza artificiale, ma aumentano le preoccupazioni etiche

Il nuovo report dello Stanford Institute for Human-Centered Artificial Intelligence (HAI) mette in evidenza un boom degli investimenti nell'AI, l’aumento delle capacità tecniche al pari passo della diminuzione dei costi, una nuova sensibilità su bias e pregiudizi nei grandi set di dati
Almawave Raniero Romagnoli CTO

Almawave lancia AIWave, un catalogo digitale di soluzioni di AI

La piattaforma AIWave mette a sistema le capability proprietarie della società di AI di Almaviva, e propone per ora 4 ambiti di offerta
manager aziendali

Gli USA “giustiziano” un algoritmo illegale: va cancellato

La Federal Trade Commision americana ordina a Weight Watchers di distruggere un algoritmo addestrato con dati di minorenni raccolti illegalmente.
dati sintetici

Dati sintetici: cosa sono e come utilizzarli nei progetti di intelligenza artificiale

I dati sintetici sono dati generati artificialmente che possono sostituire i dati storici reali per addestrare modelli IA. I casi d’uso e i suggerimenti degli esperti per le applicazioni in azienda
Intelligenza artificiale

Intelligenza artificiale in azienda: le 10 tendenze che segneranno il 2022

L'intelligenza artificiale sta maturando rapidamente, con sempre più aziende che stanno passando a strategie IA incentrate sul business per ricercarne i vantaggi in tutta l’organizzazione.

BrandPost (info)

DA NON PERDERE

collaborazione

Al vostro team serve uno strumento di collaborazione e UC basato su cloud?

Gli strumenti di comunicazione e collaborazione basati sul cloud offrono ai team remoti e ibridi gli strumenti di cui hanno bisogno per comunicare da qualsiasi luogo.
supply chain

I 7 migliori strumenti di sicurezza per la supply chain del software

Questi strumenti di sicurezza per la supply chain aiuteranno a identificare le vulnerabilità e le minacce attraverso l'analisi della composizione del software e la creazione di SBOM.
sostenibilità data center CWI

Sostenibilità dei Data Center: “Un sistema di metriche è la base da cui partire”

Per misurare i progressi dei piani ambientali dei data center Schneider Electric propone un report con 23 parametri. Intervista a Carlos Loscalzo, VP Secure Power