L’intelligenza artificiale non è più una disciplina relegata ai laboratori di ricerca. Sono diffuse le applicazioni e sono diversi gli esempi dove le diverse tecnologie di intelligenza sono implementate nella vita quotidiana.
Un argomento di attualità è quello dell’intelligenza artificiale che apre scenari ancora inesplorati, ma pone anche tante domande di tipo economico, etico e sociale.
Ma siamo certi di conoscere esattamente cosa comprende questa disciplina? Quali le applicazioni già oggi possibili e quelle future? Quali sono le tecnologie che la supportano? L’Intelligenza artificiale è la disciplina che studia la progettazione, lo sviluppo e la realizzazione di sistemi in grado di simulare le abilità, il ragionamento e il comportamento umani. E’ infatti un concetto che comprende un numero molto ampio di argomenti che fanno riferimento a differenti discipline, dalla neurologia all’informatica, dalla neurobiologia alla neurofisiologia (e in genere tutte le discipline che studiano il cervello umano) alla matematica e così via. Per cui, più si cerca di darne una definizione scientifica omnicomprensiva più si è costretti a semplificarla.
In realtà, non esiste una definizione univoca di IA e le interpretazioni possono variare: da un lato, ci si può focalizzare sui processi interni di ragionamento, dall’altro sul comportamento esterno dei sistemi, in linea di massima sempre prendendo come sorta di “misura di efficacia” la somiglianza o la vicinanza al comportamento umano.
Partendo da queste considerazioni, la comunità scientifica si è trovata d’accordo nel definire due differenti tipi di intelligenza artificiale, quella debole e quella forte:
- Intelligenza Artificiale debole (weak AI): racchiude al suo interno sistemi in grado di simulare alcune funzionalità cognitive dell’uomo senza tuttavia raggiungere le capacità intellettuali tipiche dell’uomo; si tratta, a grandi linee, di programmi di problem-solving in grado di replicare alcuni ragionamenti logici umani per risolvere problemi, prendere decisioni, ecc. (come nel gioco degli scacchi);
- Intelligenza Artificiale forte (strong AI): si L’APPROFONDIMENTO fanno rientrare in questa categoria i sistemi in grado di diventare sapienti (o addirittura coscienti di sé); ci sono teorie che spingono alcuni scienziati ed esperti a ritenere che un giorno le macchine avranno una intelligenza propria (non emuleranno quindi quella dell’uomo), autonoma e probabilmente superiore a quella degli esseri umani (quel momento è chiamato Singularity).
I sistemi attualmente in uso rientrano dell’ambito dell’intelligenza debole, ma il progresso è costante.
L’intelligenza artificiale, nelle sue varie declinazioni, è spesso un
trend topic, per usare un termine twitteriano, ed è una keyword che “
fa traffico”, per usare invece una “metrica” googleliana, insomma, per dirla alla vecchia maniera: è un
argomento mediaticamente sovresposto che tutti cercano di sfruttare. “Ma un tale eccesso di comunicazione non aiuta lo sviluppo del mercato perché
distorce la natura dell’innovazione tecnologica (dando enfasi a questo o quell’aspetto), perché contribuisce a drogare le aspettative e perché
banalizza e semplifica il trade-off tra innovatività e certezza del risultato.
Il mercato dell’intelligenza artificiale in Italia, da quanto si legge nei dati presentati a inizio 2020 dai ricercatori dell’Osservatorio Artificial Intelligence 2020, sta ancora muovendo i primi passi, nel 2019 si è attestato a 200 milioni di euro: il 78% commissionato da imprese italiane e il 22% come export di progetti, prodotti e servizi, segno della consistente considerazione riposta dalle imprese estere nelle capacità dei fornitori italiani. Entrando un po’ più nel dettaglio, vediamo che le iniziative di Intelligent Data Processing costituiscono la principale tipologia di progetti di AI, raccogliendo il 33% della spesa complessiva. Seguono i progetti di Natural Language Processing e di sviluppo di Chatbot/Virtual Assistant che, considerati assieme, rappresentano il 28% del mercato (Dati dell’Osservatorio Artificial Intelligence 2020 del Politecnico di Milano).
L’intelligenza artificiale non è più una disciplina relegata ai laboratori di ricerca. Sono diffuse le applicazioni e sono diversi gli esempi dove le diverse tecnologie di intelligenza sono implementate nella vita quotidiana.
Tutti conoscono le
auto senza guidatore o gli
assistenti vocali come Siri di Apple, Cortana di Microsoft o Alexa di Google, ma gli esempi meno noti sono molteplici. Gli algoritmi intelligenti, in grado cioè di auto-apprendere, ci
suggeriscono i prodotti da acquistare, i film o i brani musicali in linea con i nostri gusti, sanno
rispondere a domande dei clienti via chat, possono
riconoscere il volto di una persona per abilitare un accesso,
smistare documenti in base al contenuto, supportare i medici nella
lettura delle immagini radiografiche e nelle diagnosi,
filtrare i curriculum per selezionare il candidato ideale. E così via.
A rendere possibile l’utilizzo di applicazioni di Intelligenza Artificiale su vasta scala in ambito business, a “democratizzarne” l’accesso rendendole fruibili anche a realtà medio piccole e non solo alle grandi corporation, è la
diffusione del cloud computing. La fruizione di tecnologie e applicazioni di Intelligenza Artificiale dai più diffusi cloud pubblici, nei quali avviene la potente massa elaborativa necessaria per eseguire applicazioni di AI, apre le porte anche a chi non ha grandi possibilità di investimento.
Il secondo elemento che è fondamentale è l’
edge computing: nelle applicazioni dove è necessario avere una risposta immediata a problematiche risolvibili con applicazioni di intelligenza artificiale queste devono essere eseguite là dove il dato viene raccolto, con un’elaborazione periferica.
Perché l’intelligenza artificiale è importante?
- IA aggiunge intelligenza ai prodotti esistenti. Nella maggior parte dei casi, l'IA non viene venduto come applicazione singola. Accade invece che i prodotti già in uso vengono migliorati con le funzionalità di IA, esattamente come Siri è stato aggiunto come nuova funzionalità a una generazione di prodotti Apple. Automazione, piattaforme conversazionali, bot e smart machine possono essere combinati con grandi quantità di dati per migliorare molte tecnologie a casa e sul posto di lavoro, dalle informazioni di sicurezza all'analisi sugli investimenti;
- IA si adatta attraverso algoritmi di apprendimento progressivo e lascia che siano i dati a fare la programmazione. L'IA trova la struttura e le regolarità nei dati in modo che l'algoritmo acquisisca un'abilità: l'algoritmo diventa un classificatore o un predittore. Così, proprio come l'algoritmo può auto-apprendere come giocare a scacchi, può insegnare a se stesso quale prodotto raccomandare online. E i modelli si adattano quando arrivano nuovi dati. La retro propagazione è una tecnica di intelligenza artificiale che permette al modello di adattarsi attraverso addestramento e dati aggiuntivi, quando la prima risposta non è corretta;
- IA analizza dati sempre più in profondità utilizzando reti neurali che hanno molti livelli nascosti. La costruzione di un sistema di rilevamento delle frodi a cinque livelli nascosti era quasi impossibile alcuni anni fa. Tutto ciò è cambiato con l'incremento della potenza dei computer e i big data. Sono necessari molti dati per generare modelli di deep learning capaci di apprendere direttamente dai dati. Con più dati è possibile alimentarli, più accurati diventano;
- IA raggiunge un'incredibile precisione grazie alla profondità delle reti neurali, prima impossibile. Ad esempio, le tue interazioni con Alexa, Google Search e Google Photos sono tutte basate sul deep learning e continuano a diventare sempre più accurate man mano che le usi. In campo medico, le tecniche dell'IA derivanti dal deep learning, dalla classificazione delle immagini al riconoscimento degli oggetti, possono ora essere utilizzate per rilevare il cancro con l'imaging a risonanza magnetica con la stessa accuratezza di radiologi altamente qualificati;
- IA per ottenere il massimo dai tuoi dati. Quando gli algoritmi sono in autoapprendimento i dati stessi possono diventare proprietà intellettuale. Le risposte sono nei dati; basta applicare l'IA per farle uscire. Poiché il ruolo dei dati è ora più importante che mai, diventano essi stessi un vantaggio competitivo. In un qualsiasi settore di mercato, anche se tutti i competitor applicassero tecniche di analisi simili, il possessore di dati migliori risulterebbe comunque vittorioso.