A.I.
Che cos’è l’Intelligenza Artificiale

L'Intelligenza Artificiale (Artificial Intelligence) consente alle macchine di imparare dall'esperienza, di adeguarsi a nuove informazioni ricevute e svolgere compiti simili a quelli dell'uomo. La maggior parte degli esempi di IA di cui sentiamo parlare oggi, dai programmi per giocare a scacchi alle auto con guida autonoma, si basano principalmente sul deep learning (apprendimento profondo) e sul natural language processing (elaborazione del linguaggio naturale). Utilizzando queste tecnologie, i computer possono imparare a svolgere compiti specifici elaborando grandi quantità di dati e riconoscendo i modelli.

Storia dell'Intelligenza Artificiale

Il termine intelligenza artificiale è stato coniato nel 1956 ma l'IA è oggi ancor più popolare, vista la crescita nel volume dei dati, lo sviluppo degli algoritmi avanzati e dei miglioramenti nella potenza di calcolo e di archiviazione.

Le prime ricerche effettuate sull'intelligenza artificiale, negli anni '50, si focalizzarono sulla creazione di programmi capaci di imitare il ragionamento umano e le deduzioni logiche Negli anni '60, il Dipartimento della Difesa degli Stati Uniti si interessò a questo tipo di lavoro e iniziò a programmare i computer per imitare il ragionamento umano di base. Ad esempio, la Defense Advanced Research Projects Agency (DARPA) ha completato i progetti di mappatura delle strade negli anni '70. E DARPA ha prodotto assistenti personali intelligenti nel 2003, molto prima che Siri, Alexa o Cortana fossero di uso comune.

Questo primo lavoro ha aperto la strada all'automazione e al ragionamento formale che vediamo oggi nei computer, compresi i sistemi di supporto alle decisioni e i sistemi di ricerca intelligenti, progettati per integrare e aumentare le capacità umane.

Mentre i film di Hollywood e i romanzi di fantascienza dipingono l'intelligenza artificiale come androidi che conquistano il mondo, l'attuale evoluzione delle tecnologie di IA non è così spaventosa. O sufficientemente intelligente. L'intelligenza artificiale si è invece evoluta per fornire molti vantaggi specifici in diversi settori. Continua la lettura per avere esempi di intelligenza artificiale applicata alla sanità, alla vendita al dettaglio e altro ancora.

1950–1970

Reti Neurali

I primi esperimenti con le reti neurali generano entusiasmo per le cosiddette “macchine pensanti.”

1980–2010

Machine Learning

Crescita nell'utilizzo dell'apprendimento automatico.

Oggi

Deep Learning

Le innovazioni portate dal deep learning decretano il successo dell'IA.


L'IA è parte integrante del software SAS da anni. Oggi aiutiamo i clienti di ogni settore a sfruttare i progressi dell'intelligenza artificiale e continueremo a incorporare tecnologie come il machine learning e il deep learning nelle soluzioni SAS. Jim Goodnight, CEO, SAS in meeting Jim Goodnight CEO SAS

Intelligenza Artificiale e Machine Learning

Guarda questo video per comprendere quali sono le relazioni tra IA e machine learning. Potrai vedere come funzionano queste due tecnologie, con esempi pratici e alcuni aspetti divertenti.

Inoltre, è il video giusto da condividere con amici e familiari per spiegare cos'è l'intelligenza artificiale in un modo comprensibile a tutti. 


Perché l'intelligenza artificiale è importante?

  • IA automatizza apprendimento continuo e scoperta attraverso i dati. Ma l'IA si comporta diversamente dall'automazione robotizzata basata su hardware. Invece di automatizzare i compiti manuali, l'IA esegue i compiti frequenti e ad alto volume, in modo affidabile e senza fatica. Per questo tipo di automazione, l'apporto umano è ancora essenziale per configurare il sistema e porre le domande giuste.
  • 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 addestrare i modelli di deep learning poiché apprendono direttamente dagli stessi. Con più dati è possibile alimentarli, più accurati diventano.
  • IA raggiunge un'incredibile precisione grazie alla profondità delle reti neurali – che in precedenza era 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 competitori applicassero tecniche di analisi simili, il possessore di dati migliori risulterebbe comunque vittorioso.

WildTrack e SAS: come salvare le specie in pericolo, un'impronta alla volta.

Specie rappresentative come i ghepardi sono in via di estinzione. E con loro, la biodiversità che sostiene il nostro ecosistema. Per proteggere le specie in pericolo, WildTrack utilizza l'intelligenza artificiale per analizzare le impronte, proprio come fanno i tracker indigeni.

L'Intelligenza Artificiale oggi

Trend Artificial Intelligence

Come attrezzarsi per affrontare al meglio la rivoluzione dell'AI?

Un numero totalmente dedicato all’Artificial Intelligence e a tutto quello che c’è da sapere per preparare la tua azienda all’era dell’Analytics Economy, dalle competenze alla tecnologia. 

Scaricalo gratuitamente

IA e Internet of Things

I dati sono ovunque. Internet of Things (IoT) e i sensori hanno la capacità di sfruttare grandi volumi di dati, mentre l'intelligenza artificiale (IA) può apprendere i modelli dai dati per automatizzare le attività e offrire molteplici vantaggi di business.

Integra l'IA nei tuoi progetti analitici

Perché l'IA sia utilizzata con successo, è importante che la sua strategia di utilizzo sia integrata perfettamente in una più ampia strategia di business, prendendo sempre in considerazione la convergenza di persone, processi e tecnologie.

Separa la finzione dalla realtà

L'IA aiuta a fornire "maggiore intelligenza alle macchine, ma certo non permetterà loro la conquista del mondo", afferma sorridendo Oliver Schabenberger, SAS Executive Vice President e Chief Technology Officer.

Come viene utilizzata l'Intelligenza Artificiale

Tutti i settori di mercato dimostrano grande interesse e richiedono funzionalità di IA, in modo particolare quelle riguardanti gli assistenti digitali che possono essere utilizzati per assistenza legale, ricerche brevettuali, notifica dei rischi e ricerca medica. Altri utilizzi dell'IA includono:

Sanità

Le applicazioni per l'IA possono fornire letture mediche e radiografiche personalizzate. Gli assistenti sanitari personali possono fungere da life coach, ricordandovi di prendere le pillole, fare esercizio fisico o mangiare in modo più sano.

Retail

L'IA offre funzionalità di shopping virtuale che offrono consigli personalizzati o presentano le diverse opzioni di acquisto al consumatore. Anche le tecnologie per la gestione delle scorte di magazzino e di configurazione dei siti saranno migliorate con l'IA.

Manifatturiero

L'IA è in grado di analizzare i dati IoT aziendali durante lo streaming dalle apparecchiature collegate per prevedere il carico e la domanda previsti utilizzando le reti ricorrenti, un tipo specifico di rete di deep learning utilizzata con i dati di sequenza.   

Sport

L'IA può essere utilizzata per catturare e analizzare le immagini di gioco, fornire agli allenatori rapporti su come organizzare meglio il gioco, compresa l'ottimizzazione delle posizioni in campo e la strategia.

Quali sono le sfide nell'utilizzo dell'intelligenza artificiale?

L'intelligenza artificiale cambierà ogni settore, ma dobbiamo comprenderne i limiti.

Il limite principale dell'intelligenza artificiale è che impara dai dati. Non vi è altro modo di incorporare conoscenza. Ciò significa che qualsiasi imprecisione nei dati si rifletterà nei risultati. E ogni ulteriore livello di previsione o di analisi dovrà essere effettuato separatamente.

I sistemi di intelligenza artificiale oggi sono addestrati a svolgere un compito ben definito. Il sistema che gioca a poker non può giocare a solitario o a scacchi. Il sistema che rileva le frodi non può guidare un'auto o darvi consigli legali. Ad esempio, un sistema di intelligenza artificiale che rileva una frode sanitaria, non è in grado di rilevare con altrettanta precisione una frode fiscale o una nelle richieste di garanzia.

In altre parole, questi sistemi sono estremamente specializzati. Possono concentrarsi su un unico compito e sono ben lontani dal comportarsi come gli esseri umani. Analogamente, i sistemi di autoapprendimento non sono sistemi autonomi.

Le tecnologie di IA che si vedono nei film e in TV sono ancora fantascienza. Ma i computer in grado di sondare dati complessi per imparare e perfezionare attività specifiche stanno diventando, al contrario, di utilizzo comune.

SAS® Visual Data Mining e Machine Learning

L'IA è più semplice quando è possibile preparare i dati per l'analisi, sviluppare modelli con i moderni algoritmi di machine learning e integrare l'analisi del testo facendolo da un unico prodotto. Inoltre, è possibile sviluppare progetti che combinano SAS con altri linguaggi, tra cui Python, R, Java o Lua.

Come funziona l'Intelligenza Artificiale

L'IA funziona combinando grandi quantità di dati con un'elaborazione veloce e iterativa e algoritmi intelligenti, consentendo al software di imparare automaticamente dai modelli o dalle caratteristiche dei dati. L'IA è un campo di studio molto ampio che comprende diverse teorie, metodi e tecnologie, come i seguenti filoni principali:

  • Machine learning automatizza la costruzione di modelli analitici. Utilizza metodi provenienti da reti neurali, statistiche, ricerca operativa e fisica per trovare informazioni nascoste nei dati senza essere stato esplicitamente programmato su dove guardare o a quali conclusioni giungere.
  • Le reti neurali sono un tipo di machine learning costituito da unità interconnesse (come i neuroni) che elabora le informazioni rispondendo agli input esterni e trasmettendo le informazioni tra ogni unità. Il processo richiede ai dati più passaggi per trovare le connessioni e ricavare significato dai dati non definiti.
  • Deep learning utilizza enormi reti neurali con molti livelli di unità di elaborazione. Sfrutta i progressi nella potenza di calcolo e le migliorate tecniche di apprendimento per imparare i modelli complessi presenti nella grandi quantità di dati. Le applicazioni più comuni includono il riconoscimento di immagini e voce.
  • Cognitive computing è una branca dell'intelligenza artificiale che vuole ottenere un'interazione naturale con le macchine, simile a quella umana. Utilizzando l'intelligenza artificiale e il calcolo cognitivo, l'obiettivo finale è una macchina che simuli i processi umani attraverso la capacità di interpretare immagini e parlato e che sia poi in grado di rispondere in modo coerente.  
  • Computer vision si basa sul riconoscimento dei modelli e sul deep learning per riconoscere ciò che c'è in un'immagine o in un video. Quando le macchine sono in grado di elaborare, analizzare e comprendere il contenuto, possono catturare immagini o video in tempo reale e interpretare l'ambiente circostante.
  • Natural language processing (NLP) è la capacità dei computer di analizzare, comprendere e generare il linguaggio umano, compreso il parlato. La fase successiva dell'NLP è l'interazione linguistica naturale, che consente agli esseri umani di comunicare con i computer utilizzando un linguaggio normale e quotidiano per svolgere le loro attività.


Altre tecnologie abilitano e supportano l'intelligenza artificiale:

  • Unità di elaborazione grafica sono fondamentali per l'intelligenza artificiale perché forniscono la potenza di calcolo necessaria per l'elaborazione iterativa. L'apprendimento delle reti neurali richiede grandi dati e potenza di calcolo elevata.
  • L'Internet of Things genera enormi quantità di dati dai dispositivi connessi, la maggior parte dei quali non analizzati. L'automazione dei modelli con l'IA ci permetterà di utilizzarne di più.
  • Algoritmi avanzati sono stati sviluppati e combinati in nuovi modi per analizzare più dati più velocemente e a più livelli. Questa elaborazione intelligente è fondamentale per identificare e prevedere eventi rari, comprendere sistemi complessi e ottimizzare gli scenari.
  • APIs, le interfacce di programmazione di un'applicazione, sono pacchetti di codice che consentono di aggiungere funzionalità di IA a prodotti e pacchetti software esistenti Possono aggiungere funzionalità di riconoscimento delle immagini ai sistemi di sicurezza domestica e funzionalità di Q&A che descrivono dati, creano didascalie e titoli o richiamano modelli e informazioni sui dati.

In sintesi, l'obiettivo dell'IA è quello di fornire un software che possa ragionare sugli input e spiegare sugli output. L'IA fornirà interazioni simili a quelle umane con il software e offrirà un supporto decisionale per compiti specifici. L'IA non sostituisce gli esseri umani e non è previsto che lo faccia in futuro. 

Back to Top