Mitel
Applicazioni
 

28/02/2018

Share    

di Raffaela Citterio

Alla scoperta dell'Intelligenza Artificiale

Approfondiamo insieme il tema delll’Intelligence Automation, quell’insieme di tecnologie che nascono con l’obiettivo di automatizzare attività ripetitive a basso valore aggiunto per liberare risorse da destinare all’innovazione e alla creatività.

iStock - 3quarks

Che cos’è l’intelligenza? Secondo l’Enciclopedia Treccani è “quel complesso di facoltà psichiche e mentali che consentono di pensare, comprendere o spiegare i fatti o le azioni, elaborare modelli astratti della realtà, intendere e farsi intendere dagli altri, giudicare, e adattarsi all’ambiente”. Secondo Albert Einstein, della cui intelligenza è impossibile dubitare, “la misura dell’intelligenza è la capacità di cambiare’. Definizioni affascinanti ma anche poco esaustive, perché ormai è risaputo che non esiste un solo tipo di intelligenza, ma ve ne sono diversi: logica, intuitiva, creativa… Nonostante ciò, fin dai tempi più antichi l’uomo ha accarezzato l’idea di costruire un suo doppio, e con l’avvento delle tecnologie informatiche questa ricerca ha subito una forte accelerazione.

Un po’ di storia
Già Alan Turing (1912-1954), tra i padri della moderna scienza computazionale, manifestò interesse per lo studio dell’intelligenza umana e la creazione di macchine capaci di simularla, una curiosità che condivideva, verso la metà del XX secolo, con altri studiosi che cominciavano a mettere a punto il concetto di Cibernetica, la quale ritiene che l’intelligenza non sia una caratteristica esclusiva degli esseri umani, ma di qualsiasi strumento o organismo in grado di adattarsi, prendere decisioni e auto-organizzarsi per interagire efficacemente con l’ambiente. Da allora molta acqua è passata sotto i ponti, ma la distinzione tra capacità computazionali tradizionali e intelligenza artificiale, che via via ha preso nomi diversi (sistemi esperti, machine learning ecc.), è rimasta.

Le peculiarità dell’IA
Ma qual è la differenza tra elaboratori di tipo tradizionale e sistemi di IA? In estrema sintesi, e generalizzando, possiamo dire che i primi sono in grado di effettuare calcoli matematici con estrema velocità e precisione sulla base di una programmazione iniziale, mentre i secondi possono elaborare anche simboli e cambiare la loro programmazione iniziale per adeguarla alla risoluzione dei problemi. In pratica, sistemi in grado di ‘prendere decisioni’ sulla base di un processo di apprendimento e delle informazioni rese disponibili, ben lontani, però, da quelle macchine ‘pensanti’ che si vedono in tanti film ma che non sono ancora apparse sul mercato, anche se molte capacità dei moderni sistemi di IA possono stupirci e farci pensare il contrario.

Linguaggi e modelli
Dalla metà del secolo scorso, quindi, si continua a investire per mettere a punto linguaggi di programmazione e modelli matematici e statistici indirizzati proprio allo sviluppo di applicazioni di intelligenza artificiale. Tra i primi troviamo il Lisp (nato nel 1958), una famiglia di linguaggi di programmazione con implementazioni sia compilate sia interpretate, e il Prolog (1972, dal francese PROgrammation en LOGique), che adotta il paradigma di programmazione logica, da cui, sempre semplificando al massimo, sono poi nati linguaggi contemporanei come Python, attualmente tra i più diffusi. Per quanto riguarda i modelli, invece, oggi la parte del leone è fatta sicuramente dalle ‘reti neurali artificiali’, che si ispirano alla rete neurale del cervello umano e possono essere realizzate sia da programmi software, grazie ad algoritmi sempre più evoluti, che da hardware dedicato, in particolare da processori DSP (Digital Signal Processing) ottimizzati per eseguire in maniera estremamente efficiente sequenze di istruzioni ricorrenti. Una rete neurale di fatto si presenta come un sistema ‘adattativo’ in grado di modificare la sua struttura (i nodi e le interconnessioni) basandosi sia su dati esterni che su informazioni interne che si ‘connettono’ e passano attraverso la rete neurale stessa durante la fase di apprendimento ed elaborazione.

Capire l’esigenza, trovare la risposta
Negli ultimi anni gli investimenti sia pubblici che privati tesi a sviluppare tecnologie di intelligenza artificiale - termine omnicomprensivo all’interno del quale ricadono applicazioni di machine learning, deep learning, cognitive computing e molto altro - si sono moltiplicati, perché i benefici che tali soluzioni sono in grado di apportare, se implementate correttamente, spesso sono persino superiori alle aspettative. Non esiste, però, un approccio, una tecnologia o un sistema che possa andare bene per qualunque tipo di esigenza. Come per ogni altra applicazione IT bisogna innanzitutto avere ben chiari gli obiettivi che si vogliono raggiungere e i mezzi che si vogliono e/o possono mettere in campo

- in termini economici, organizzativi e di risorse umane
- e solo in un secondo tempo, dopo aver analizzato attentamente anche l’infrastruttura e i sistemi già in essere, capire quali sono l’approccio e gli strumenti più indicati per raggiungere tali obiettivi.

Partendo da questi presupposti abbiamo deciso di inaugurare un nuovo appuntamento dedicato all’Intelligence Automation, che uscirà sia online che su Office Automation, focalizzandosi sulla sua applicazione all’interno di mercati verticali specifici. I contenuti ospiteranno, oltre all’opinione e al contributo di esperti del mondo accademico e associativo, anche le esperienze già maturate da operatori del mondo dell’offerta che hanno deciso di investire su questo paradigma. Per rendere questa nuova iniziativa sempre più utile e interessante vi invitiamo a segnalare le vostre esperienze all’indirizzo intelligenceautomation@soiel.it.

 

TORNA INDIETRO >>