Intelligenza Artificiale: innovazione e rivoluzione

21 Ott Intelligenza Artificiale: innovazione e rivoluzione

Ormai si sente sempre più spesso parlare di Intelligenza Artificiale (IA), senza che ci si domandi realmente cosa essa sia o come stia radicalmente cambiando i nostri “modelli” di società. L’impiego in crescendo di queste nuove tecnologie basate su sistemi di IA sta registrando una diffusione esponenziale e repentina in moltissimi settori della nostra moderna società, tanto da generare dei notevoli cambiamenti, con conseguenti ripercussioni ad altissimo impatto sociale; ciò, appunto, sta conducendo ad un profondo cambiamento perfino delle nostre abitudini quotidiane, traducendosi in un totale stravolgimento delle logiche “tradizionali”.

La nostra consultant Tania Tofanelli ci accompagna in un viaggio in due puntate alla scoperta dell’Intelligenza Artificiale e delle sue applicazioni in ambito aziendale.

Una definizione di Intelligenza Artificiale

Non tutti infatti sapranno che non vi è un’unica ed univoca definizione di IA ed è proprio questo a rendere ancora più difficoltoso definirne l’ambito applicativo nonché prevederne i relativi sviluppi.

Per semplificare il discorso a ciò che è di maggior interesse per il presente articolo, si vuole riprendere la definizione fornita dal Politecnico di Milano, che la descrive in termini di

“ramo della computer science che studia lo sviluppo di sistemi hardware e software dotati di capacità tipiche dell’essere umano ed in grado di perseguire autonomamente una finalità definita prendendo delle decisioni che, fino a quel momento, erano solitamente affidate agli esseri umani. Le capacità tipiche dell’essere umano riguardano, nello specifico, la comprensione ed elaborazione del linguaggio naturale (Nlp – Natural Language Processing) e delle immagini (Image Processing), l’apprendimento, il ragionamento e la capacità di pianificazione e l’interazione con persone, macchine e ambiente. A differenza dei software tradizionali, un sistema IA non si basa sulla programmazione (cioè sul lavoro di sviluppatori che scrivono il codice di funzionamento del sistema) ma su tecniche di apprendimento: vengono cioè definiti degli algoritmi che elaborano un’enorme quantità di dati dai quali è il sistema stesso che deve derivare le proprie capacità di comprensione e ragionamento”.

Il ragionamento, invero, diventa ancor più complicato laddove ci si voglia spingere nella spiegazione relativa alla suddivisione sussistente tra “IA forte” ed “IA debole”. Infatti, se è vero che non vi è un’univoca definizione di IA e le interpretazioni possono variare a seconda del focus di riferimento, ovvero “i processi interni di ragionamento” in dotazione dei sistemi dotati di IA, o “il comportamento esterno” di detti sistemi, in linea di massima, ciò che accomuna tutte le vie fruibili, risiede nella somiglianza, o vicinanza al comportamento umano. Dunque, proprio sulla base di queste considerazioni, la Comunità Scientifica ha sancito la definizione delle due differenti tipologie di IA sopra menzionate; pertanto:

• L’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)”;
• Nell’Intelligenza Artificiale forte (strong AI) “si 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 diffusi rientrano nella classificazione di IA debole; tuttavia, il progresso è in continua ed incessante evoluzione, tanto che non possa escludersi a breve l’impiego di IA anche di tipo “forte”.

Il Machine Learning e il Deep Learning

Un ulteriore approfondimento che occorre affrontare attiene ai processi cd. di Machine Learning e di Deep Learning. Questi consistono in “modelli di apprendimento” per i sistemi dotati di IA.

Il Machine Learning attiene a quei sistemi che servono ad “allenare” il software in modo che, correggendo i propri errori, possa apprendere a svolgere autonomamente un compito, o un’attività. Ad es., il braccio meccanico dotato di IA, grazie ad un algoritmo di controllo, riesce a montare un pezzo – nonostante magari non si trovi al proprio posto – tramite il riconoscimento visivo. A differenza dell’uomo, il robot impara dai propri errori, perciò, la volta successiva andrà a collocarlo automaticamente in quella specifica posizione.

Il processo di Machine Learning si sta sviluppando attraverso lo studio delle cd. reti neurali, le quali sono organizzate su più livelli di profondità, sulla via del cd. Deep Learning.

Ebbene, per Deep Learning, infatti, si intendono quei modelli di apprendimento di recente sviluppo (a partire dal 2012), ispirati alla struttura ed al funzionamento neuronale del cervello umano, che emulano, pertanto, la mente umana. Il Deep Learning necessita di reti neurali artificiali progettate ad hoc (cd. deep artificial neural networks) e di una capacità computazionale molto potente, che sia in grado – proprio come avviene a livello di connessioni neurali nel cervello umano – di “reggere” differenti strati di calcolo e di analisi.

Sebbene possa sembrare una tecnologia di livello “futuristico”, nella realtà questi sono sistemi già in uso nel riconoscimento vocale e in quello delle immagini.

La classificazione dell’Intelligenza Artificiale

Secondo l’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano, attualmente, esistono ben otto classi di IA, ovvero:

1. L’Autonomous Vehicle, ossia, qualunque mezzo a guida autonoma adibito a qualunque tipo di trasporto su strada, acqua o aria, (es. la self-driving car).
2. L’Autonomous Robot, robot, pressocché antropomorfi, in grado di muoversi, manipolare oggetti ed eseguire azioni senza intervento umano, traendo informazioni dall’ambiente circostante e adattandosi a eventi non previsti o codificati (es. i robot di Boston Dynamics).
3. L’Intelligent Object, che ricomprende tutti gli oggetti – dagli occhiali alla valigia – in grado di eseguire azioni e prendere decisioni, senza richiedere l’intervento umano, interagendo con l’ambiente circostante tramite sensori (termometri, videocamere…) e attuatori e apprendendo dalle azioni delle persone con cui interagiscono.
4. Il Virtual Assistant e Chatbot; alcuni di essi sono in grado di comprendere tono e contesto del dialogo, memorizzare e riutilizzare le informazioni raccolte, nonché dimostrare intraprendenza nel corso della conversazione. Questi sistemi sono sempre più impiegati come interfaccia sui siti aziendali, come primo livello di contatto con il cliente, per l’assistenza tramite il Customer Care aziendale.
5. La Recommendation, consistente in soluzioni orientate a indirizzare le preferenze, gli interessi, le decisioni dell’utente, basandosi su informazioni da esso fornite, in maniera indiretta o diretta. Esse sono molto usate nell’e-commerce, o nei servizi di video e musica (es. i suggerimenti di Amazon, Netflix e YouTube).
6. L’Image Processing, che attiene a sistemi in grado di effettuare analisi di immagini o video per il riconoscimento di persone, animali e cose presenti nell’immagine, il riconoscimento biometrico e, in generale, l’estrazione di informazioni dall’immagine, o dal video (es. applicazioni per il monitoraggio dei locali tecnici da parte delle utility, o per la valutazione dei danni in luogo del verificarsi di incidenti).
7. Il Language Processing, il quale prevede una capacità di elaborazione del linguaggio, per la comprensione del contenuto, la traduzione, financo alla produzione di testi in modo autonomo, a partire da dati o documenti forniti in input.
8. L’Intelligent Data Processing, nella cui categoria rientrano tutte quelle soluzioni che utilizzano algoritmi di IA su dati strutturati (es. i sistemi per la rilevazione delle frodi finanziarie, la ricerca di pattern, l’analisi predittiva (Predictive Analysis), i sistemi di monitoring e controllo.