18 Nov
Destinata a simulare l’intelligenza umana, l’intelligenza artificiale è emersa dall’inizio del 2010, guidata dal deep learning, dai big data e dall’esplosione della potenza di calcolo.
Intelligenza Artificiale, che cos’è?
L’intelligenza artificiale (AI, dall’inglese Artificial Intelligence) si riferisce a “un’applicazione in grado di elaborare compiti che sono attualmente eseguiti in modo più soddisfacente dagli esseri umani nella misura in cui coinvolgono processi mentali di alto livello come l’apprendimento percettivo, l’organizzazione della memoria e il pensiero critico”. Così definisce il concetto lo scienziato americano Marvin Lee Minsky, considerato il padre dell’AI. Fu nel 1956 in una riunione di scienziati a Dartmouth (a sud di Boston) organizzata per considerare la creazione di macchine pensanti che riuscì a convincere il suo pubblico ad accettare il termine.
Dopo il lavoro iniziale in particolare sui sistemi esperti, l’AI emerge molto più tardi. Nel 1989, il francese Yann Lecun ha sviluppato la prima rete neurale in grado di riconoscere numeri scritti a mano. Ma non è stato fino al 2019 che la sua ricerca e quella dei canadesi Geoffrey Hinton e Yoshua Bengio hanno ricevuto il Premio Turing. Perché è avvenuto ciò? Perché l’apprendimento profondo deve affrontare due ostacoli. In primo luogo, la potenza di calcolo necessaria per addestrare le reti neurali. L’emergere di processori grafici nel 2010 porta una soluzione al problema. In secondo luogo, l’apprendimento coinvolge ovviamente enormi volumi di dati. Da questo punto di vista, i Gafam hanno avuto successo, ma i set di dati sono stati pubblicati anche in open source come ImagiNET.
Come avviare un progetto AI?
Prima di lanciarsi nell’implementazione di un progetto AI, sarà ovviamente necessario integrare il vocabolario dell’intelligenza artificiale, nonché le potenzialità ei vincoli dei principali metodi di machine learning: apprendimento supervisionato, apprendimento non supervisionato, apprendimento semi-supervisionato, apprendimento tramite rinforzo…
Allo stesso modo, sono disponibili molti algoritmi di apprendimento automatico dal più semplice al più complesso: regressione, albero decisionale, random forest, macchina vettoriale di supporto, rete neurale. A seconda del problema da risolvere e della qualità del set di dati di addestramento, ciascuno porterà a previsioni con un punteggio più o meno accurato.
Confronti
Infrastrutture o librerie per machine learning, deep learning, ambienti di machine learning automatizzati, data science studio… Gli strumenti abbondano nel campo dell’intelligenza artificiale. Da qui l’importanza di confrontare i punti di forza e di debolezza di ciascuno per fare la scelta giusta.
In che modo l’AI sta rivoluzionando l’economia?
Automotive, banca-finanza, logistica, energia, industria … Nessun settore di attività è risparmiato dall’ascesa dell’intelligenza artificiale. E con una buona ragione: gli algoritmi di apprendimento automatico vengono utilizzati a tutti i livelli, a seconda dei problemi aziendali coinvolti.
Nell’industria automobilistica, motorizzano veicoli autonomi tramite modelli di deep learning (o reti neurali). Nel settore bancario e finanziario, stimano i rischi di investimento o di negoziazione. Nella logistica, calcolano i percorsi migliori e ottimizzano i flussi all’interno dei magazzini. Nell’energia e nella vendita al dettaglio, prevedono i consumi dei clienti al fine di ottimizzare la distribuzione e i volumi di vendita. Infine, nell’industria, anticipano i guasti alle apparecchiature (che si tratti di un robot su una catena di montaggio, un server di computer, un ascensore, ecc.) Anche prima che si verifichino. Obiettivo: eseguire le operazioni di manutenzione in modo preventivo.
Backstage tecnico
Ovviamente i colossi del digitale non hanno aspettato di sfruttare tutto il potenziale che l’intelligenza artificiale può portare loro. Con volumi di dati personali mai raggiunti prima nella storia, stanno rivaleggiando per inventiva nell’uso di algoritmi di apprendimento basati sulla segmentazione psicografica per soddisfare le esigenze più diverse: ricerca, targeting pubblicitario, rilevamento dei talenti, interfaccia vocale …
L’intelligenza artificiale ha dato vita a tutta una serie di nuovi profili di abilità. Il primo di loro non è altro che il data scientist. Ci si aspetta che abbia competenze in big data, algoritmi, statistiche, visualizzazione dei dati, ma anche competenze aziendali.
Con l’aumento dell’importanza dei progetti di intelligenza artificiale, è emerso un nuovo profilo per supportare il data scientist generalista: l’ingegnere di apprendimento automatico. Si tratta di un data scientist specializzato la cui missione è coprire l’intero ciclo di vita di un modello di apprendimento, dalla sua progettazione e formazione al suo monitoraggio e, naturalmente, alla sua implementazione.
La nostra prospettiva e integrazione
Il nostro team esperto può aiutarti con i tuoi progetti di intelligenza artificiale. Sappiamo come l’AI può migliorare i tuoi processi aziendali e come puoi automatizzare i tuoi flussi di lavoro. Contattaci oggi stesso.