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

 

smart speaker

Gli smart speaker hanno finalmente la loro killer-app aziendale

E se alla fine l'app più importante per un'appliance di assistenza virtuale fosse quella che create voi stessi? Ecco perché Alexa for Business Blueprints è così rivoluzionaria.
intelligenza artificiale

Lavoratori italiani e intelligenza artificiale tra speranze e dubbi

I risultati di un sondaggio online di Citrix mostrano che l’intelligenza artificiale sul posto di lavoro è vista per lo più in modo positivo, ma i timori non mancano.
byod

L’intelligenza artificiale in ufficio e la lezione del BYOD

Michele Apa di VMware riflette sul panorama odierno dell’intelligenza artificiale in azienda con un occhio di riguardo al passato per scoprire i parallelismi tra AI e BYOD.

Manager italiani attenti alla tecnologia, ma temono impatti sull’occupazione

Secondo l’indagine di Federmanager e Mit Technology Review prevale il pessimismo sull’andamento dell’occupazione
intelligenza artificiale

Lavoro e intelligenza artificiale tra fiducia e soft skill

Una nuova ricerca di Dale Carnegie & Associates indaga sull'impatto dell'intelligenza artificiale sul lavoro, con un focus sulla fiducia e le soft skill.
Project Management

Project Management: nel 2030 l’IA prenderà il sopravvento

Secondo nuove stime di Gartner entro il 2030 l'80% del lavoro nell’odierno settore del project management (PM) verrà eliminato a causa dell'intelligenza artificiale.
robot

Intelligenza artificiale: i robot di Airhelp hanno già risolto 150.000 casi

Dal lancio del primo avvocato robot al mondo presentato nel 2016, Airhelp ha migliorato notevolmente l’efficienza nella predisposizione delle operazioni giudiziarie e dei ricorsi dovuti a ritardi e cancellazioni dei voli.

Università e IA, l’offerta si completa

Sono sempre più numerosi gli insegnamenti in machine learning e intelligenza artificiale. Una mappa per orientarsi
google deepmind intelligenza artificiale

Casi di utilizzo del mondo reale per i sistemi AI di DeepMind

L'azienda acquisita da Google ha già sviluppato potenti applicazioni della sua tecnologia. Promettenti, ma controverse, quelle per il settore sanitario
robot

D’Avengers, la community per l’intelligenza artificiale

Aica, Sda Bocconi e un gruppo di aziende uniscono le forze per un luogo di incontro dedicato alla trasformazione digitale. Quattro gli appuntamenti in programma
machine learning

AWS: cybersecurity tra machine learning e dati non strutturati

Amazon Web Services approfondisce la relazione sempre più stretta e importante tra dati non strutturati, machine learning e cybersecurity.
openai intelligenza artificiale fake news

OpenAI: il suo algoritmo è così potente da doverlo limitare

Il generatore di testo GPT-2 elabora testi molto credibili, e completamente falsi. I suoi sviluppatori ne rendono pubblica una versione limitata
google deepmind intelligenza artificiale

Gartner: cinque idee sbagliate sull’AI che confondono i manager

Responsabili IT e aziendali che sviluppano progetti di intelligenza artificiale devono separare la realtà dai miti per elaborare le loro strategie future
machine learning

Machine learning con Azure: cosa offre, come iniziare

Azure Machine Learning Service è l'ambiente di Microsoft Azure basato su Python che copre l'intero ciclo di machine learning e deep learning. Ecco tutto quello che dobbiamo sapere su questo servizio.
tecnologie vocali

Tecnologie vocali e customer care: i trend del 2019

Il mercato delle tecnologie vocali e del riconoscimento del linguaggio parlato continuerà a crescere nei prossimi anni con al centro una miglior customer care, la sicurezza nell’autenticazione e la compliance.
ovh

Intelligenza artificiale: OVH amplia la partnership con NVIDIA

OVH ha ampliato la partnership con Nvidia per rafforzare la propria posizione nella democratizzazione delle tecnologie legate all’intelligenza artificiale.
dynatrace

Ecco come l’intelligenza artificiale ha ricostruito Dynatrace

Il CEO di Dynatrace John Van Siclen ha parlato del modo in cui l'azienda ha sviluppato le proprie capacità di intelligenza artificiale per un monitoraggio software più intelligente.
google deepmind intelligenza artificiale

Miglior equilibrio tra vita personale e lavoro grazie all’intelligenza artificiale

Secondo una nuova ricerca di Fujitsu i dipendenti vedono nell’intelligenza artificiale un modo per migliorare l'equilibrio tra vita personale e vita lavorativa.
intelligenza artificiale

IA sul lavoro: nel 2021 7 aziende su 10 la utilizzeranno

Gartner prevede che entro il 2021 il 70% delle organizzazioni modificherà la produttività dei propri dipendenti integrando l'intelligenza artificiale nei luoghi di lavoro.
4,086FansMi piace
1,890FollowerSegui

BrandPost (info)

DA NON PERDERE

Apple Pencil

Apple Pencil e iPad: tutti i possibili usi non “artistici”

Chi ha detto che un’Apple Pencil serve solo agli artisti per disegnare e creare? In realtà la matita di Apple può tornare utile in molti altri scenari.
open source

Il futuro del software è nell’enterprise open source

Cosa pensano le aziende dell’open source, perché lo adottano e quali saranno le loro mosse future? Uno studio sponsorizzato da Red Hat cerca di rispondere a queste domande.
ios 13

iOS 13 tra dark mode, nuove gesture e app multi-window su iPad

Se i rumor di 9to5Mac su iOS 13 fossero confermati, questo autunno iPhone e iPad sono destinati a ricevere alcune importanti modifiche, incluse molte delle feature che chiediamo a gran voce da tempo.