Intelligenza artificiale: a che punto siamo oggi

Siamo spesso portarti a considerare l’intelligenza artificiale come una sfera lontana dall’applicazione quotidiana. La situazione è differente ed esistono realtà, più o meno consolidate, che ne fanno largo uso. Ecco alcuni esempi con cui ci confrontiamo ogni giorno ed altri più intriganti con cui ci confronteremo nel prossimo futuro.

 

Siamo ancora ben lontani dal poter considerare l’intelligenza artificiale come un’intelligenza senziente paragonabile a quella umana, capace di pensare autonomamente con spirito critico e secondo coscienza1. Se pur non mancano dei casi controversi2, l’intelligenza artificiale oggi è un insieme di precisi algoritmi o simulatori di apprendimento (sviluppati dall’uomo) che sono in grado, grazie al potere computazionale dei computer moderni, di svolgere compiti definiti in ambiti definiti.

 

l’IA contemporanea si basa su Machine Learning o Deep Learning: un insieme di metodi grazie ai quali la macchina (attraverso algoritmi o la simulazione decisionale delle reti neurali) apprende (analizzando massivamente i dati che vengono dati in pasto al sistema) e si allena (grazie a regole di input prescritte), correggendo gli errori in modo da riuscire nel tempo, dopo una grande mole di dati analizzati e su base statistica, a svolgere una determinata attività in autonomia.

 

Le 100 startup 2019 più interessanti che operano nelle varie industrie grazie a tecnologie basate sull’intelligenza artificiale – Fonte CBinsinghts

 

 

Alcune applicazioni usuali

 

  • Le ricerche predittive
I suggerimenti di “completamento” delle ricerche sui motori come Google e Bing o Youtube

 

  • Gli assistenti virtuali (Siri, Alexa, Google)
Gli assistenti virtuali dello smartphone, casa o pc come Alexa (Amazon), Siri (IoS) o Google Assistant

 

  • Le raccomandazioni (prodotti – musica – film – social media)
La raccomandazione dei prodotti che utilizziamo o compriamo. Ad esempio i suggerimenti per i film o la musica di Netflix e Spotify. I prodotti da acquistare su Amazon o ancora i suggerimenti delle notizie sui social media come Facebook

 

  • La pubblicità online
Le pubblicità online sono sempre più mirate e in target grazie all’utilizzo di tecniche machine learning / deep learning. Le piattaforme di advertising online (come Google, Facebook, Linkedin) utilizzando (previo consenso) i dati personali dei fruitori, per migliorare l’algoritmo

 

 

Alcune applicazioni inusuali

 

  • Esperimenti artistici

OpenAI presenta MuseNet: progetto di simulazione musicale basato su IA capace di combinare diversi strumenti e stili musicali tra loro. Qui un concerto interamente composto dall’intelligenza artificiale.

 

  • Intelligenza artificiale nel gaming
L’intelligenza artificiale Google (AlphaStar di DeepMinds) in un PvP (giocatore contro giocatore) batte i campioni umani nel videogioco Starcraft II

 

  • Ricerca scientifica
L’intelligenza artificiale Google (AlphaFold – DeepMinds) primeggia in un concorso dove ha predetto correttamente la struttura di 25 proteine (su 43)

 

  • Astronomia
Intelligenza Artificiale e Astronomia. Nell’immagine un’analisi dei crateri lunari effettuata tramite rete neurale artificiale: in blu i crateri identificati dall’uomo, che l’IA ha identificato correttamente. In rosso nuovi crateri trovati dall’IA e i viola quelli che ha mancato.

 

 

Come funziona?

Lo schema di funzionamento generale è il seguente:

  • Si crea un’infrastruttura tecnologica basata su IA capace di ricevere input ed esportare output
  • Gli input sono i dati che vengono dati al sistema, i big data, ne sono un esempio concreto
  • Questi dati vengono analizzati e processati dall’algoritmo (machine learning) o dalla rete neurale (deep learning) che li rielabora
  • In base all’obiettivo preposto la rielaborazione genera un output. Questo varia chiaramente in base all’infrastruttura precedentemente progettata.

 

Per fare alcuni esempi:

  • Nel caso delle ricerche predittive di Google, i suggerimenti proposti (output) sono le parole più digitate in quella determinata ricerca, con quel determinato mix di parole da parte dei fruitori (input)
  • Nel caso dei film consigliati da Netflix, i film raccomandati (output) sono derivati dal gusto del fruitore (input), basandolo su una serie di fattori come genere del film, attori, preferenze stilistiche etc
  • Nel caso dell’IA che batte i videogiocatori umani, tramite l’analisi degli schemi ricorsivi di gioco da parte dei videogiocatori (input) la macchina decide autonomamente la migliore strategia (output) per battere l’avversario
  • Nel caso dell’analisi dei crateri lunari, l’IA viene istruita a capire cosa è un cratere (dimensioni, colore, difformità etc) analizzando il materiale fotografico (input). Successivamente riesce a estrapolare, da altro materiale fotografico quello che interpreta come cratere (output)

 

 

 

In questo contesto tecnologico fioriscono quindi i progetti di intelligenza artificiale, più o meno complessi, basati su tecniche di machine learning e deep learning.

Le applicazioni sono di vario genere, alcune business ready: come le startup tecnologiche che ne fanno uso, per risolvere problemi di una determinata industria, grazie alla vasta mole di dati a disposizione (Big Data) o che vengono generati (IoT, Web etc).

Altre più visionarie come negli esempi proposti nel campo della sanità, dell’arte o dell’astronomia che, sfruttando le stesse tecnologie, aprono la porta da un lato all’accelerazione nel progresso scientifico e di ottimizzazione nei processi, dall’altro a tutta una disquisizione di interrogativi sociali e filosofici.

 

 

Riferimenti articolo   [ + ]

avatar
  Segui l'articolo  
Notificami
Condividi
Condividi su facebook
Condividi su twitter
Condividi su linkedin
Condividi su whatsapp
Condividi su email
Condividi su skype
Condividi su telegram

Ti è piaciuto l’articolo?

Ricevi una volta ogni due mesi tutti gli approfondimenti di Quodigi Insights