di Andrea Tomassi 

L’ascesa dell’intelligenza artificiale nel mondo degli affari è alimentata da una combinazione di velocità di elaborazione, algoritmi di apprendimento e disponibilità dei dati. Ingredienti amalgamati fra loro nella “cucina” delle piattaforme Cloud Computing.

La storia di David, un androide infantile programmato con la capacità di amare, protagonista del film “AI” diretto da Steven Spielberg rappresenta una frontiera per le attuali soluzioni d’intelligenza artificiale. Ciò non di meno tale tecnologia ha già dimostrato di essere migliore degli esseri umani in molti aspetti.

Nel 1997, il Deep Blue di IBM ha sconfitto gli scacchi campione, Garry Kasparov. L’algoritmo principale usato da Deep Blue era una variazione di un approccio descritto dal matematico Cloude Shannon nel 1950. Da una data posizione, il computer valuta tutte le possibili mosse; quindi, per ogni possibile mossa valuta le possibili risposte dell’avversario, e così via. Il programma continua ad effettuare questa valutazione per il maggior numero di round possibile. Tale numero è limitato dalla potenza di elaborazione e dal tempo disponibile. Fatto ciò, il programma sceglie la mossa che garantisce le migliori prospettive. Quindi, il tipo di intelligenza artificiale presentata da Deep Blue è stata possibile grazie alla disponibilità di un massiccia potenza di elaborazione.

In ogni caso, la sola potenza di elaborazione non è sufficiente per costruire un’intelligenza artificiale. E’ necessario prendere in considerazione altri due ingredienti. Innanzitutto, si deve considerare il modo attraverso cui acquisire e accumulare dati proveniente dal mondo con cui l’intelligenza artificiale interagisce. In secondo luogo, si devono individuare gli algoritmi e le tecniche per elaborare i dati al fine di costruire il giusto risultato.

L’intelligenza artificiale è un sistema in grado di esibire tratti dell’intelligenza umana come il ragionamento, l’apprendimento dall’esperienza o l’interazione con gli esseri umani in linguaggio naturale. Questa definizione appare intuitiva, sebbene risulti essere ambigua per il fatto che il concetto di ciò che è considerato intelligente, cambia nel tempo. È intelligente calcolare la radice quadrata di pi greco in pochi millisecondi? È intelligente giocare a scacchi come Deep Blue? È intelligente parlare come Siri? Le risposte a queste domande sono soggettive.

Per cercare di rendere la definizione più obiettiva, si possono introdurre due tipi di AI: AI generale e AI ristretto. L’intelligenza artificiale generale è in genere ciò che si associa ad un sistema completo che è indistinguibile da un essere umano. Conosce o può imparare qualsiasi cosa l’uomo può imparare, ha emozioni, ha persino uno scopo nella vita.

L’intelligenza artificiale ristretta è meno ambiziosa. È quando un sistema mostra un aspetto dei tratti dell’intelligenza umana su un campo o su un’attività specifici. AlphaGo è in grado di giocare, ma non può scrivere una ricetta per una torta.

La realizzazione di AI ristretta è oggi possibile perché i singoli ingredienti della sua “ricetta” sono disponibili: potenza di elaborazione sufficiente, enorme volume di dati e, ultimo ma non meno importante, insieme di tecniche e algoritmi. Quali sono gli algoritmi che permettono di costruire macchine intelligenti? Prima di tutto, non sono composti da una procedura esplicita. Ad esempio, una che descrive tutti i criteri per riconoscere un cane in una foto. Al contrario, si devono scrivere algoritmi capaci di analizzare migliaia di foto di cani e dedurne da ciò un modo implicito di riconoscere un cane Non è necessario che la modalità deduttiva sia spiegabile, fintanto che funziona quando testata su nuove serie di immagini. Questo è chiamiamo machine learning o apprendimento automatico.

L’intelligenza artificiale avrà un grande impatto sulle imprese nei prossimi anni con settori come le telecomunicazioni, i servizi finanziari, l’automotive, la farmaceutica, solo per citarne alcuni. Ciò è testimoniato dagli enormi investimenti che Google, Microsoft, Apple, Amazon e IBM stanno portando avanti nell’ambito dell’intelligenza artificiale.

Cosa significa questo per le aziende? Significa che le aziende devono iniziare a capire quali sono le potenziali applicazioni per le quali l’intelligenza artificiale possa portare benefici ed è quindi necessario che le aziende inizino a sperimentare l’impiego dell’intelligenza artificiale.

Quale dovrebbe essere la strada da seguire? Si considerino i tre elementi fondamentali che costituiscono la “ricetta” di AI ristretta: potenza di calcolo, algoritmi di apprendimento e dati di addestramento.

La potenza di calcolo sta diventando sempre più una commodity. Pertanto, a meno che un’azienda non si trovi ad operare in ​​un settore molto specializzato, si potrà ricorrere ad una infrastruttura di calcolo standard. Gli algoritmi sono tutt’altro che una commodity e rappresentano un vivace ambito di ricerca, limitata da disponibilità di talenti per tenere il passo con l’evoluzione. Oltre ai talenti per la scienza dei dati è opportuno potenziare l’intera forza lavoro per adeguarla a lavorare in ambienti abilitati all’intelligenza artificiale.

Ultimo ma non meno importante, i dati di allenamento in quanto il più delle volte rappresentano un vantaggio competitivo sono l’elemento chiave da considerare- Nessun algoritmo può compensare dati mancanti o di bassa qualità (Garbage in, Garbage out) Ciò rammenta una delle principali sfide che si affrontano con l’intelligenza artificiale.

Gli algoritmi AI più sofisticati sono scatole nere che imparano dall’esperienza per fare le loro scelte, è tuttavia difficoltoso identificare esplicitamente quale variabile di input o quale esperienza passata abbia portato alla scelta effettuata. Ciò ha serie implicazioni etiche e talvolta legali. Ad esempio, uno studio ha dimostrato che gli algoritmi AI possono sviluppare distorsioni di discriminazione basate sulla razza o sul genere. Si consideri il caso in cui si addestri l’algoritmo di un’intelligenza artificiale per aiutare a selezionare i migliori candidati per una determinata posizione di lavoro. Se la formazione dei risultati è basata sulle precedenti campagne di reclutamento, probabilmente si replicheranno gli stessi pregiudizi che i reclutatori umani potrebbero avere avuto nei confronti di determinate minoranze. Alcuni di questi dilemmi saranno probabilmente risolti con una migliore comprensione o un miglior controllo degli algoritmi AI.

L’ascesa dell’intelligenza artificiale nel mondo degli affari è alimentata da una combinazione di velocità di elaborazione, algoritmi di apprendimento e disponibilità dei dati. Ingredienti amalgamati fra loro nella “cucina” delle piattaforme Cloud Computing.