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

 

L’intelligenza artificiale: strumento di marketing

La MailUp conference dedicata al marketing conversazionale sottolinea l’importanza dell’Ia. Le potenzialità di Google Duplex e un consiglio per evitare vicende alla Dolce&Gabbana
apple acquisisce silk labs

Apple punta all’AI on-device con l’acquisizione di Silk Labs

Apple conferma il suo obiettivo di portare l'intelligenza artificiale direttamente sui dispositivi con l'acquisizione di Silk Labs
cortana

Cortana farà la fine di Windows Phone. Ecco perché

Sono ormai numerosi i segnali che portano a considerare Cortana (almeno per come la conosciamo oggi) un’altra battaglia persa da parte di Microsoft.
Workday rising

Workday Rising 2018: l’intelligenza artificiale al servizio del cliente

Tante le novità annunciate da Workday nel corso dell’annuale evento riservato ai clienti dell’area europea, a cominciare dalla centralità dell’intelligenza artificiale.
intelligenza artificiale

Intelligenza artificiale: investimenti in crescita per un’azienda italiana su due

In Italia il 52% delle aziende investirà in Intelligenza Artificiale entro i prossimi 3 anni, ma oltre il 70% svilupperà progetti legati alla cybersecurity per proteggersi da attacchi informatici sempre più frequenti.
Samsung Exynos-9-9820

Samsung Exynos 9 Series 9820: il nuovo chip dotato di unità NPU

La nuova generazione di processori Samsung Exynos 9 è dotata di una Neural Processing Unit (NPU) che rende sette volte più veloci le applicazioni basate su AI
IAB Forum 2018, all’insegna della crescita e dell’etica

IAB Forum 2018, all’insegna della crescita e dell’etica

Una crescita pari all’11% per il settore del digital advertising in Italia: incoraggianti i dati emersi dallo IAB Forum 2018.
alexa

Alexa arriva sui PC Windows 10 con un’app stand-alone

Alexa, che ha debuttato su alcuni laptop Windows 10 all'inizio di quest'anno, è ora disponibile per il download su tutti i dispositivi compatibili. Può cambiare qualcosa per le aziende?
google cloud

Google Cloud punta sul machine learning con Hub AI e Kubeflow Pipelines

Dopo AutoML rilasciato a inizio anno, Google Cloud ha lanciato le soluzioni AI Hub e Kubeflow Pipelines per aiutare i clienti a gestire e distribuire algoritmi di machine learning.
data scientist

IA e Data Scientist: i lavori del futuro stentano a decollare in Italia

Secondo Jobrapido è ancora limitato il numero di posizioni aperte in Italia per Data Scientist e specialisti dell’IA. Molto più maturo invece il mercato nel Regno Unito e nei Paesi Bassi.
ai uomo macchina gartner

Gartner: il “fattore umano” è l’elemento forte dell’intelligenza artificiale

Secondo Gartner l’AI abilita un nuovo modello decisionale, nel quale gli esseri umani giocano un ruolo fondamentale. Ai CIO il compito di preparare le aziende alla nuova era dell’apprendimento continuo
intelligenza artificiale

Intelligenza artificiale: un italiano su due la teme in ambito lavorativo

Secondo una ricerca di Chorally l’intelligenza artificiale spaventa ancora molto per le implicazioni legate al lavoro, mentre trasmette più fiducia quando si parla di sanità e trasporti.
volkswagen intel mobileye auto guida autonoma

Intel e Volkswagen lanciano in Israele il primo servizio di taxi a guida autonoma

Saranno in circolazione nel 2019 i veicoli elettrici realizzati da Volkswagen ed equipaggiati con le tecnologie di guida autonoma di Mobileye per il progetto “New Mobility in Israel”

Cosa c’è di nuovo nella IoT: tendenze per il 2019

Dall'IoT Solutions World Congress di Barcellona, i principali trend della Internet of Things, tra tentativi di semplificazione dei formati, IA, Edge Computing e Digital Twin
sap leonardo

Nuovi aggiornamenti per SAP Leonardo tra machine learning e analytics

Chatbot aziendali sempre più sofisticati, automazione intelligente dei processi robotizzati (RPA) e applicazioni intelligenti per SAP Analytics Cloud. Questo e altro nei nuovi annunci per SAP Leonardo.
intelligenza artificiale

Ecco quanto varrà il mercato dell’intelligenza artificiale nel 2022

Le nuove stime di IDC sul mercato dell’intelligenza artificiale nel 2022 parlano di una spesa globale di quasi 78 miliardi di dollari. E anche in Italia le spese in IA sono destinate ad aumentare in modo considerevole.

L’Expo delle applicazioni IA nell’industria, nel retail, per la sicurezza e il marketing

Artificial Intelligence/Expo of Applications è il nuovo forum dedicato alle applicazioni pratiche dell’Intelligenza Artificiale. Quattro eventi, dal 25 ottobre al 6 novembre, a Milano.

A Milano si parla di “Intelligence In Security”: affrontare le cyber minacce con la...

Un evento esclusivo il 6 novembre a Milano per conoscere le reali applicazioni dell’Intelligenza Artificiale in azienda e nella sicurezza: benefici, opportunità e rischi.
IBM Cloud Private

Nuove funzionalità IA di Watson anche per IBM Cloud Private

IBM ha annunciato un aggiornamento chiave per IBM Cloud Private, con l'integrazione di potenti soluzioni di intelligenza artificiale come IBM Watson Assistant e IBM Watson Speech-to-Text.
4,040FansMi piace
1,850FollowerSegui

BrandPost (info)

DA NON PERDERE

edge

Microsoft ricostruisce Edge sulla base di Chromium

Il prossimo anno Microsoft abbandonerà il motore di rendering di Edge per sostituirlo con quello alla base di Chrome. L’ennesimo smacco per un browser che non ha mai raggiunto il successo sperato.
supply chain

Gli ostacoli per una vera digitalizzazione della supply chain

Secondo un nuovo report di Capgemini solo un’azienda su sette è in grado di implementare su larga scala iniziative digitali per la supply chain.
data center

Vertiv: i trend dei data center nel 2019 nel segno dell’edge

Per il 2019 in ambito data center gli esperti di Vertiv prevedono un edge al servizio dell’IoT e della tecnologia 5G, autosufficiente e in grado di ripararsi autonomamente.