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

VMware: rotta verso il “self driving data center” tra multi-cloud, edge e IA

Il nuovo Country Manager di VMware Italia Raffaele Gigantino illustra la strategia dell'azienda per affrontare la rotta verso il multi-cloud e il "self driving data center"
smart display

Il primo smart display per l’azienda? Il vostro smartphone Android

Diversi indizi puntano al fatto che domani Google annuncerà una funzione di smart display per smartphone Android ottimizzata per l’uso aziendale.

Il viaggio di Microsoft verso sicurezza, AI e realtà aumentata pronta all’uso

A Ignite 2018, l’evento annuale del colosso di Redmond, tra le molte soluzioni business annunciate, si possono cogliere le future strategie, tra cui la guerra alle password e l'introduzione di applicazioni out-of-the-box per impieghi immediati di machine learning e mixed reality.
IBM watson

IBM Watson: soluzioni IA su misura per 9 settori industriali e professionali

IBM Watson ha presentato oggi nuove soluzioni e servizi ideati per settori e ambiti industriali specifici tra cui risorse umane, supply chain, manifattura, gestione degli edifici, automotive, marketing e pubblicità.
digital customer experience

Intelligenza artificiale: in Europa molta attenzione al customer service

L’intelligenza artificiale rivoluziona il customer service e sempre più aziende europee implementano un servizio clienti omnicanale e always-on.
intelligenza artificiale servizi finanziari

Intelligenza artificiale e aziende finanziarie: come cambiano i modelli di business

L'intelligenza artificiale (IA) sta cambiando rapidamente il modo in cui le società di servizi finanziari attraggono e fidelizzano i clienti, secondo il report “The...
voice-first

Voice-first e intelligenza artificiale: ecco il futuro

I recenti annunci di Amazon e Salesforce in fatto di intelligenza artificiale e di piattaforme voice-first dimostrano come l’interazione vocale segnerà profondamente il futuro… anche quello aziendale.
intelligenza artificiale

Intelligenza artificiale: SAP punta su un comitato consultivo etico

SAP è diventata la prima azienda tecnologica europea a creare un comitato consultivo etico sull'intelligenza artificiale per garantire un’IA etica, che aiuti l'umanità e crei benefici per la società.
intelligenza artificiale

IBM vuole un utilizzo più trasparente dell’intelligenza artificiale

BM ha annunciato un nuovo servizio software in cloud che rende possibile un utilizzo più trasparente delle soluzioni di intelligenza artificiale.
iot

L’intelligenza artificiale come arma decisiva nell’era della IoT

Lo studio globale realizzato da Aruba e Ponemon Institute sottolinea che le capacità di machine learning e la visibilità di rete su utenti e dispositivi IoT sono elementi essenziali per combattere le minacce.
intelligenza artificiale

I consumatori sono interessati all’IA per risparmiare tempo e denaro

Stando a un recente sondaggio di Gartner, i motivi principali che spingerebbero i consumatori ad affidarsi a sistemi di IA sarebbero legati al tempo e al denaro, ma non mancano preoccupazioni per la privacy.

Luna Rossa reinventerà il suo scafo con il machine learning

Le prossime barche avranno “ali” che le faranno planare invece che navigare, rivoluzionando quel che si sa su come si progetta e si porta una barca. Teorema Engineering e Wärtsilä studieranno il problema con il machine learning.
intelligenza artificiale

Intelligenza artificiale: cosa succederà da qui al 2030?

Secondo un nuovo report del McKinsey Global Institute entro il 2030 l'adozione diffusa dell’intelligenza artificiale potrebbe contribuire a una crescita del PIL a livello globale pari a 13.000 miliardi di dollari.
SharePoint

OneDrive for Business e SharePoint diventano più intelligenti

Microsoft ha annunciato diverse novità che, grazie all’IA e al machine learning, renderanno più intelligenti e potenti OneDrive for Business e SharePoint.
machine learning

Machine learning e intelligenza artificiale in aiuto della sicurezza… ma bastano?

Il 75% dei responsabili IT aziendali intervistati per una ricerca di ESET ritiene che il machine learning e l'intelligenza artificiale siano la soluzione ideale per le sfide della sicurezza informatica.
Computerworld Speciale Industria 4.0

Computerworld Italia – Speciale Industria 4.0

Un PDF da scaricare per leggerlo comodamente su pc o tablet e avere sotto mano e in un unica soluzione le notizie, le analisi e gli approfondimenti sulla trasformazione in atto nel settore manifatturiero, da più parti definita "quarta rivoluzione industriale".
ibm watson iot

IBM Watson IoT accelera la trasformazione digitale in Europa

Aumentano le aziende europee che optano per le soluzioni IA di IBM Watson IoT in tutti i settori per migliorare le operazioni e potenziare l’assistenza ai clienti.
FortiGuard AI

Come e perché machine learning e analytics trasformeranno le imprese

Secondo IDC il 40% delle aziende italiane si aspetta già nel 2018 di essere impattato nel modo di fare business dalle tecnologie IA, che porteranno sempre più vantaggi attraverso il machine learning.

Prodotti contraffatti? Solo l’intelligenza artificiale può salvarci

La corsa agli armamenti è partita: i contraffattori usano l'intelligenza artificiale per creare falsi sempre più convincenti; le aziende più smart usano l'intelligenza artificiale per contrattaccare
4,032FansMi piace
1,847FollowerSegui

BrandPost (info)

DA NON PERDERE

digital advertising

Digital Advertising italiano: nel 2018 sfiorati i 3 miliardi di euro

La crescita in Italia del Digital Advertising nel 2018 è stata fagocitata quasi totalmente dai colossi del web, che detengono circa il 75% del mercato contro il 71% nel 2017.
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.
cloud ibrido

Il cloud ibrido è il modello IT ideale per il 90% delle aziende italiane

La ricerca Enterprise Cloud Index di Nutanix suggerisce che interoperabilità del cloud e mobilità delle app superano costi e sicurezza e sono tra i principali vantaggi del cloud ibrido.